[发明专利]一种基于Encoder‑Decoder深度学习模型的单透镜空间变化图像复原方法在审
| 申请号： | 201711017056.8 | 申请日： | 2017-10-26 |
| 公开（公告）号： | CN107833186A | 公开（公告）日： | 2018-03-23 |
| 发明（设计）人： | 张智福;余思洋;陈捷;刘稹 | 申请（专利权）人： | 长沙全度影像科技有限公司 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T5/50;G06T7/13 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410205 湖南省长沙市高新开发*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于Encoder‑Decoder深度学习模型的单透镜空间变化图像复原方法。首先得到单透镜对应的清晰图像与模糊图像对，构建单透镜空间变化的数据集，再构建用于端到端图像复原的Encoder‑Decoder深度学习模型，利用所构建的数据集对Encoder‑Decoder深度学习模型进行训练，得到训练完成的对应于空间变化每个图像块的Encoder‑Decoder深度学习模型，对于单透镜新拍摄的模糊图像，将模糊图像分块，然后将每个模糊图像块直接输入对应的已训练好的Encoder‑Decoder深度学习模型，最后将每个Encoder‑Decoder深度学习模型的复原结果拼接成最终的复原图像。本发明无需单独估计单透镜的PSF，可避免现有方法中大量的优化迭代过程，图像处理速度更快，可以同时对单透镜的像差和色差进行校正，便于在实际中应用。 | ||
| 搜索关键词： | 一种 基于 encoder decoder 深度 学习 模型 透镜 空间 变化 图像 复原 方法 | ||
【主权项】：
一种基于Encoder‑Decoder深度学习模型的单透镜空间变化图像复原方法，其特征在于，包括以下步骤：步骤一：得到单透镜对应的清晰图像与模糊图像对；步骤二：构建单透镜空间变化的数据集；步骤三：构建用于端到端图像复原的Encoder‑Decoder深度学习模型；步骤四：利用所构建的数据集对Encoder‑Decoder深度学习模型进行训练，得到训练完成的对应于空间变化每个图像块的Encoder‑Decoder深度学习模型；步骤五：对于单透镜新拍摄的模糊图像，将模糊图像分块，然后将每个模糊图像块直接输入对应的已训练好的Encoder‑Decoder深度学习模型，最后将每个Encoder‑Decoder深度学习模型的复原结果拼接成最终的复原图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长沙全度影像科技有限公司，未经长沙全度影像科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711017056.8/，转载请声明来源钻瓜专利网。
