[发明专利]自适应神经网络非均匀性校正方法、终端设备及存储介质

说明书

本申请提供一种自适应神经网络非均匀性校正方法、终端设备及存储介质，其中自适应神经网络非均匀性校正方法包括以下步骤：实时采集若干图像；从所述若干图像中挑选出有效图像；所述有效图像包括多个呈矩阵分布的像元；获取所述有效图像中具有邻域的像元，即为有效像元；所述邻域为沿所述有效像元周向分布且与所述有效像元呈45度夹角的像元集合；获取所述有效像元的输入辐照度X_i,j；通过公式获得所述有效像元的输出辐照度Y_i,j，公式中的参数包括像元邻域的方差、增益校正系数及偏置校正系数，此方法可获得最终的无鬼影、无锯齿效应的理想图像。

技术领域

本申请涉及基于场景非均匀性校正技术领域，具体涉及一种自适应神经网络非均匀性校正方法、终端设备及存储介质。

背景技术

传统的非均匀性校正方法为两点校正方法，它需要标准参考源定标，操作繁琐，系统定期需要重新标定，不具有自适应校正能力，因而逐渐被基于场景非均匀性校正方法所取代。

传统自适应神经网络非均匀性校正方法属于基于场景变步长校正方法，其步长随八邻域方差值变化，一方面能根据各点的八邻域方差信息确定该点逼近目标期望值的速度从而有效地抑制鬼影的产生，另一方面可能因为步长调节不当造成算法发散，图像中产生过亮或过暗噪点影响成像质量。另外，传统神经网络在校正过程中由于噪点的存在可能会产生弥散亮斑。

发明内容

鉴于现有技术中的上述缺陷或不足，本申请旨在提供一种自适应神经网络非均匀性校正方法、终端设备及存储介质。

第一方面，所述自适应神经网络非均匀性校正方法，包括以下步骤：

实时采集若干图像；

从所述若干图像中挑选出有效图像，所述有效图像包括多个呈矩阵分布的像元；

获取所述有效图像中具有邻域的像元，即为有效像元；所述邻域为沿所述有效像元周向分布且与所述有效像元呈45度夹角的像元集合；

获取所述有效图像中所述有效像元的输入辐照度X_i,j；

通过以下公式，计算得到所述有效像元的输出辐照度Y_i,j

Y_i,j＝K_i,jX_i,j+B_i,j (1)

K_i,j(n+1)＝K_i,j(n)-2η(n)X_i,j(n)(Y_i,j(n)-f_i，j) (2)

B_i,j(n+1)＝B_i,j(n)-2η(n)(Y_i,j(n)-f_i，j) (3)

其中i为所述有效像元在所述有效图像中的行数；

j为所述有效像元所述有效图像中的列数；

K_i,j是增益校正系数；

B_i,j是偏置校正系数；

f_i，j为所述神经网络校正期望值；

η(n)为所述有效像元的更新步长；

n为处理顺序号；

为所述有效像元的邻域方差；

step为初始步长；

根据本申请实施例提供的技术方案，挑选所述有效图像的步骤如下：