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：湖南大学

摘要：本发明公开一种面向海面场景的多目图像采集与预处理系统及方法，其中多相机图像同步采集子系统确保多相机采集的图像数据时序上对齐以满足实时拼接的需要，图像拼接子系统能够将不同相机传感器特性导致的色彩误差消除，避免拼接后存在明显可见的拼接线与来自于不同图像部分的色彩差异，并且高效地将多相机同步采集的低分辨率、小视野的单目图像降低色彩差异并拼接为高分辨率的大视野图像，达到视频处理的速率，自适应增强子系统采用一种以面向多源干扰的图像质量评价分数引导的、基于多尺度卷积神经网络的图像自适应增强方法，既保障了图像数据的主观可见性，又有效避免了干扰因素对图像特征的扰动，为后续视觉感知任务提供了高质量图像数据。

主权项：1.一种面向海面场景的多目图像采集与预处理系统，其特征在于，包括：多相机图像同步采集子系统、图像拼接子系统和自适应增强子系统依次连接；多相机图像同步采集子系统，用于同步采集多相机图像并完成多相机图像的稳定传输，并确保多相机图像数据在不同进程间交互，满足实时拼接需求；图像拼接子系统，用于对所采集到的多相机图像进行色彩补偿、图像配准以及图像融合处理，得到高分辨率大视野的拼接后图像；自适应增强子系统包括海面图像质量评价网络模型和多尺度去干扰网络模型，其中，海面图像质量评价网络模型用于以概率向量的形式识别拼接后图像受干扰类型，多尺度去干扰网络模型用于对受干扰图像根据概率向量进行自适应增强和高质量恢复，得到伪清晰图像；海面图像质量评价网络模型包括初步特征提取器、局部特征提取器、全局特征提取器、融合网络：初步特征提取器用于将输入图像Nk像素转换成具有感知意义和干扰相关的特征表示：输入图像Nk为： （1）其中，代表第k个图像，代表第k个图像的干扰类型概率向量，K为输入图像的个数；局部特征提取器与全局特征提取器分别用于对特征表示进行局部特征提取和全局特征提取并分别得到局部特征表示与全局特征表示；融合网络，用于将局部特征表示与全局特征表示在通道维度拼接后进行局部和全局特征信息的交互和聚合，获得不同干扰类型并输出干扰概率值输出向量： （2）其中：代表C种干扰类型的概率；为初步特征提取器参数；为融合网络参数；分别为局部特征提取器与全局特征提取器参数；多尺度去干扰网络模型包括修复网络；修复网络，用于获取受干扰图像及其对应的干扰概率值输出向量，进行去干扰后输出伪清晰图像；多尺度去干扰网络整体损失函数包括相似性损失、色彩损失、结构性损失、局部特征损失和全局特征损失；训练过程中将计算损失反向传播给修复网络以更新参数；整体损失函数为： （9）其中，、、、、分别代表各个损失占的权重；相似性损失为： （10）其中，表示每个像素点，和分别表示目标清晰图像和伪清晰图像；色彩损失用于使伪清晰图像尽可能在颜色上与目标清晰图片接近： （11）其中，表示每个像素点，表示计算之间的角度，将二者分别看作一个三维向量；结构性损失为： （12）其中，表示梯度，包括水平梯度和竖直梯度，为平衡结构意识强度的系数；局部特征损失为： （13）其中，表示局部特征图每个像素点，和分别表示目标清晰图像和伪清晰图像的局部特征图；全局特征损失为： （14）其中，表示全局特征图每个像素点，和分别表示目标清晰图像和伪清晰图像的全局特征图。

全文数据：

权利要求：

百度查询： 湖南大学 一种面向海面场景的多目图像采集与预处理系统及方法