[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： | 本发明公开一种基于卷积神经网络CNN的三片简单透镜图像复原方法。首先生成三片简单透镜对应的模糊图像与清晰图像数据集，然后构建用于端到端图像复原的卷积神经网络CNN模型，并利用生成的数据集训练CNN模型，对于新拍摄的模糊图像，可利用已训练好的CNN模型直接得到复原清晰图像。本发明可避免现有方法中盲卷积和非盲卷积图像复原的大量优化迭代过程，也无需单独估计简单透镜的PSF，使三片简单透镜的图像复原过程更加简单方便，而且图像处理速度快，在简单透镜计算成像领域具有重要意义。 | ||
| 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 | ||
【主权项】：
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。
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/201710997396.5/，转载请声明来源钻瓜专利网。
