买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波大学

摘要：本发明公开了一种面向JPEGPleno光场编码失真的盲伪影去除方法，其构建JPEGPleno编码失真的光场图像数据集，并分为训练集和测试集；搭建JPLARNet网络，它包括空角特征分离融合模块、多尺度解耦器、压缩因子预测器、压缩因子调节器、多尺度重建器、混合注意力增强模块；在训练阶段，基于训练集对JPLARNet网络进行训练，每轮训练结束时JPLARNet网络输出去伪影后的重建修复光场图像，并计算损失函数；在测试阶段，使用训练好的JPLARNet网络模型对测试集进行预测，得到测试集中的每张失真光场图像对应的去伪影后的重建修复光场图像；优点是提高了经过网络后修复的光场图像的客观质量指标和主观视觉感官效果。

主权项：1.一种面向JPEGPleno光场编码失真的盲伪影去除方法，其特征在于包括以下步骤：步骤1：构建JPEGPleno编码失真的光场图像数据集，它包括数个场景各自的多张不同失真等级下的失真光场图像，失真光场图像为经JPEGPleno4DTM编码得到，失真光场图像的空间分辨率为H'×W'，且角度分辨率为V'×U'，位深为10位；然后将光场图像数据集中主客观综合质量好的失真光场图像对应的场景删除后分为初始训练集和测试集，初始训练集包括多个场景各自的不同失真等级下的失真光场图像，测试集包括剩余场景各自的不同失真等级下的失真光场图像；再对初始训练集中的每张失真光场图像进行切块处理，块的大小为H×W，切块处理的步长为32，将每个块作为一张原始失真光场图像，将所有原始失真光场图像构成训练集，训练集中的每张原始失真光场图像的空间分辨率为H×W，且角度分辨率为V×U，位深为10位；其中，H小于H'，W小于W'，且H＝W，V＝V'，U＝U'，U＝V＝angRes；步骤2：搭建一个卷积神经网络作为JPLARNet网络，它包括空角特征分离融合模块、多尺度解耦器、压缩因子预测器、压缩因子调节器、多尺度重建器、混合注意力增强模块；将一张空间分辨率为H×W且角度分辨率为V×U的原始失真光场图像的子孔径阵列图像形式转换为微透镜图像形式，转换得到一张高度为H×V且宽度为W×U的微透镜图像；空角特征分离融合模块的输入端接收微透镜图像，空角特征分离融合模块的输出端输出64张高度为H×V且宽度为W×U的特征图，并将输出的所有特征图作为图像特征F1；多尺度解耦器的输入端接收图像特征F1，多尺度解耦器的输出端输出512张高度为H8×V且宽度为W8×U的特征图，并将输出的所有特征图作为图像特征FD4或压缩因子特征FD4；压缩因子预测器的输入端接收压缩因子特征FD4，压缩因子预测器的输出端输出压缩因子预测值lest；压缩因子调节器的输入端接收压缩因子预测值lest，压缩因子调节器的输出端输出三对不同维度的调制参数对，分别为维度为64的调制参数对α1,β1、维度为128的调制参数对α2,β2、维度为256的调制参数对α3,β3；多尺度重建器对多尺度解耦器产生的四个尺度的图像特征和三对调制参数对进行处理，多尺度重建器的输出端输出64张高度为H×V且宽度为W×U的特征图，并将输出的所有特征图作为图像特征F2；混合注意力增强模块的输入端接收图像特征F2，混合注意力增强模块的输出端输出一张高度为H×V且宽度为W×U的重建微透镜图像；将重建微透镜图像转换为子孔径阵列图像形式的空间分辨率为H×W且角度分辨率为V×U的重建修复光场图像；步骤3：在训练阶段，使用Adam优化器，学习率从1×10-4开始，基于训练集对JPLARNet网络进行训练，每轮训练结束时JPLARNet网络输出去伪影后的重建修复光场图像，并计算损失函数损失函数使用原始失真光场图像与重建修复光场图像之间的像素域L1范数损失以及压缩因子预测值与压缩因子真实值之间的L1范数损失的组合，即当前后两次训练的损失函数之差的绝对值小于预设阈值时停止训练，得到训练好的JPLARNet网络模型；其中，σ表示的权重；步骤4：在测试阶段，使用训练好的JPLARNet网络模型对测试集进行预测，得到测试集中的每张失真光场图像对应的去伪影后的重建修复光场图像。

全文数据：

权利要求：

百度查询： 宁波大学 面向JPEG Pleno光场编码失真的盲伪影去除方法