[发明专利]一种基于改进RL反卷积算法的星图去模糊方法有效
| 申请号： | 201810117470.4 | 申请日： | 2018-02-06 |
| 公开（公告）号： | CN108198151B | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 陈熙源;柳笛;方文辉;方琳 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 211100 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进RL反卷积算法的星图去模糊方法，包括：(1)在星图模拟器中设置基本模拟参数，使用基本模拟参数模拟出清晰星图及对应的模糊星图；(2)根据惯性传感器元件数据计算各个所述模糊星图的点扩散函数；(3)采用RL反卷积算法完成星图去模糊化，并记录去模糊效果最优迭代次数和迭代步长；(4)将每幅模糊图像的点扩散函数、迭代次数和迭代步长作为输入进行神经网络预测模型的离线训练，训练完成后得到预测模型，输出为迭代次数和迭代步长。本发明克服了传统RL反卷积去模糊算法需要人为手动试探迭代次数、迭代步长来完成星图去模糊的缺点，提高了算法的实时性并且还显著提高了星图去模糊的效果。 | ||
| 搜索关键词： | 一种 基于 改进 rl 卷积 算法 星图 模糊 方法 | ||
【主权项】：
1.一种基于改进RL反卷积算法的星图去模糊方法，其特征在于，该方法包括以下步骤：(1)在星图模拟器中设置基本模拟参数，使用所述基本模拟参数模拟出清晰星图及对应的模糊星图；(2)根据惯性传感器元件数据计算每张所述模糊星图的点扩散函数；(3)根据步骤(1)中模拟的所述清晰星图和步骤(2)中计算出的所对应模糊图像的点扩散函数，采用RL反卷积算法完成星图去模糊化，并记录去模糊效果最优的迭代次数和迭代步长；(4)将每幅模糊图像的点扩散函数、迭代次数和迭代步长作为输入进行神经网络预测模型的离线训练，训练完成后得到预测模型，输出为迭代次数和迭代步长。
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东南大学，未经东南大学许可，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/201810117470.4/，转载请声明来源钻瓜专利网。
