[发明专利]一种基于卷积神经网络CNN的三片简单透镜图像复原方法在审
| 申请号： | 201710997396.5 | 申请日： | 2017-10-17 |
| 公开（公告）号： | CN107730469A | 公开（公告）日： | 2018-02-23 |
| 发明（设计）人： | 张智福;余思洋;陈捷 | 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;G06N3/04;G06N3/08 |
| 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： | |||
| 搜索关键词： | 一种 基于 卷积 神经网络 cnn 简单 透镜 图像 复原 方法 | ||
1.一种基于卷积神经网络CNN的三片简单透镜图像复原方法，其特征在于，包括以下步骤：
步骤一：生成三片简单透镜对应的模糊图像与清晰图像数据集；
步骤二：构建用于端到端图像复原的卷积神经网络CNN模型；
步骤三：利用所生成的数据集对卷积神经网络CNN模型进行训练，得到训练好的CNN模型；
步骤四：对于三片简单透镜新拍摄的模糊图像，直接将模糊图像输入已训练好的CNN模型，即可快速得到复原后的清晰图像。
2.根据权利要求1所述的基于卷积神经网络CNN的三片简单透镜图像复原方法，其特征在于：所述步骤一中生成三片简单透镜对应的模糊图像与清晰图像数据集的具体方法包括如下步骤：
步骤1.1：将棋盘格图像在电脑屏幕上全屏显示，用三片简单透镜拍摄电脑屏幕，得到拍摄的棋盘格图像；
步骤1.2：将一张清晰图像在电脑屏幕上全屏显示，用三片简单透镜拍摄电脑屏幕，得到拍摄的模糊图像；
步骤1.3：基于步骤1.1拍摄的棋盘格图像，采用角点检测方法，得到精准匹配的三镜片简单透镜的清晰图像与模糊图像对；
步骤1.4：准备N张清晰图像，依次重复上述步骤1.2和步骤1.3，最终得到三片简单透镜对应的模糊图像与清晰图像数据集。
3.根据权利要求1所述的基于卷积神经网络CNN的三片简单透镜图像复原方法，其特征在于：所述步骤二中的卷积神经网络CNN模型的具体结构包括七层，分别是输入层、卷积层、子采样层、卷积层、子采样层、全连接层和输出层，不同层之间依靠关系权重矩阵连接，分别是W1、W2、W3、W4、W5、W6，输入是数据集中的模糊图像，输出是数据集中与该模糊图像对应的清晰图像。
4.根据权利要求1所述的基于卷积神经网络CNN的三片简单透镜图像复原方法，其特征在于：所述步骤三中卷积神经网络CNN模型的训练可选用Python或Caffe等常见框架。
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/pat/books/201710997396.5/1.html，转载请声明来源钻瓜专利网。
