[发明专利]训练、检测、聚焦方法及拍摄装置

说明书

本发明提供了一种训练方法、检测方法、聚焦方法及拍摄装置。其中，所述训练方法包括：按照预设逻辑将训练用的所述RAW域图像拆分为第一图像和第二图像；所述第一图像和所述第二图像输入两通道的神经网络模型进行训练，得到RAW域摩尔纹检测模型。所述RAW域摩尔纹检测模型可用于检测RAW域图像中是否存在摩尔纹，以其为基础可设置相应的检测方法、聚焦方法和拍摄装置，解决了现有技术中缺乏有效地对RAW域图像进行摩尔纹检测的方法的问题。

技术领域

本发明涉及图像信号处理领域，特别涉及一种训练方法、检测方法、聚焦方法及拍摄装置。

背景技术

当屏幕刷新频率接近图像传感器的扫描频率时，往往会出现摩尔纹现象。

摩尔纹现象严重影响屏幕场景的应用，比如PDAF(Phase Detection Auto Focus，相位对焦)。尤其当相位对焦图像(PD图像)对摩尔纹原始图像进行了降采样后，摩尔纹现象更加明显，摩尔纹现象会导致相位对焦出现误检测。因此对屏幕场景的相位对焦，需要进行摩尔纹检测提高对焦算法性能。

也就是说，现有技术中缺乏有效地对摩尔纹进行检测的方法，尤其是缺乏对RAW域图像进行摩尔纹检测的方法。

发明内容

本发明的目的在于提供一种训练方法、检测方法、聚焦方法及拍摄装置，以解决现有技术中缺乏有效地对RAW域图像进行摩尔纹检测的方法的问题。

为了解决上述技术问题，根据本发明的第一个方面，提供了一种训练方法，应用于RAW域摩尔纹检测模型的训练，所述RAW域摩尔纹检测模型用于接收RAW域图像并输出所述RAW域图像中是否存在摩尔纹的判断结果，所述训练方法包括：训练用的所述RAW域图像的奇数行进行拼接得到第一图像；训练用的所述RAW域图像的偶数行进行拼接得到第二图像；所述第一图像和所述第二图像输入神经网络模型进行训练，得到所述RAW域摩尔纹检测模型，其中，所述神经网络模型为两通道输入，所述第一图像和所述第二图像各自占用一个通道。

可选的，训练用的所述RAW域图像包括正样本图像和负样本图像，所述正样本图像中存在摩尔纹，所述负样本图像中不存在摩尔纹。

可选的，基于所述正样本图像和所述负样本图像的数量之比设定学习权重。

可选的，所述正样本图像基于至少两种图像传感器拍摄多种型号的显示屏中的多种拍摄对象得到，所述拍摄对象包括网页、文档以及图像。

可选的，所述负样本图像基于至少两种图像传感器拍摄至少两种场景得到，所述场景包括不受摩尔纹干扰的屏幕场景以及自然场景，所述自然场景包括室内自然场景和室外自然场景。

可选的，所述神经网络模型的池化层的尺寸被配置为4×4，以及，所述神经网络模型的全连接层的数量被配置为2层。

可选的，所述训练方法还包括：在训练过程中，保留损失函数最小的模型以及分类准确性最高的模型；以及，基于损失函数和分类准确性计算综合评价指标，所述综合评价指标最高的模型作为最终训练结果。

为了解决上述技术问题，根据本发明的第二个方面，提供了一种检测方法，所述检测方法包括：接收RAW域图像；接收到的所述RAW域图像的奇数行进行拼接得到第三图像；接收到的所述RAW域图像的偶数行进行拼接得到第四图像；以及，所述第三图像和所述第四图像输入检测模型得到检测结果，所述检测模型基于上述的训练方法训练得到。

为了解决上述技术问题，根据本发明的第三个方面，提供了一种聚焦方法，所述聚焦方法包括：接收RAW域图像；接收到的所述RAW域图像基于相位对焦技术计算聚焦电机的需求位移；接收到的所述RAW域图像基于上述的检测方法得到检测结果；若检测结果为存在摩尔纹，则将所述需求位移设置为零并输出；若检测结果为不存在摩尔纹，则直接输出所述需求位移。