龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：中国科学院长春光学精密机械与物理研究所
摘要：本发明涉及图像处理技术领域，尤其涉及一种基于事件驱动的多模态融合图像运动去模糊方法，方法包括：S1：获取退化图像和与退化图像对应的事件流，并基于事件流的数量、事件和密度构建深度时空事件体素网格；S2：构建去模糊网络，去模糊网络包括UNet网络和改进的UNet网络；S3：利用损失函数对去模糊网络进行网络训练，获得训练好的去模糊网络；S4：将退化图像和深度时空事件体素网格输入至训练好的去模糊网络进行处理，获得去模糊图像。本发明利用事件流的高时间分辨率特性，研究的去模糊方法能够很好的实现在场景高速运动下的图像模糊去除，得到清晰锐利图像。
主权项：1.一种基于事件驱动的多模态融合图像运动去模糊方法，其特征在于：具体包括如下步骤：S1：获取退化图像和与退化图像对应的事件流，并基于事件流的数量、事件和密度构建深度时空事件体素网格；S11：利用事件流所包含的离散事件构建数量直方图： ；其中，为数量直方图，为二维脉冲函数，为第k个离散事件在退化图像的像素坐标，为第k个离散事件的时间戳，为第k个离散事件的极性，（x,y为当前退化图像对应的离散事件的像素坐标，T为曝光时间；利用事件流所包含的离散事件构建时间直方图： ；其中，为时间直方图，为当前时间窗口的开始时间，T是曝光时间内的事件流的时间范围；利用事件流所包含的离散事件构建密度直方图： ； ； ；其中，为密度直方图，Dx,y为密度映射函数，Dx，y∈[0，1]，为像素位置（x，y）处的密度，j为事件簇的事件数量，为事件簇的密度函数，事件簇为在当前时间窗口内的所有事件；S12：将数量直方图、时间直方图和密度直方图按顺序依次集成到体素中，获得深度时空事件体素网格；S2：构建去模糊网络，所述去模糊网络包括UNet网络和改进的UNet网络；S3：利用损失函数对所述去模糊网络进行网络训练，获得训练好的去模糊网络；S4：将退化图像和深度时空事件体素网格输入至训练好的去模糊网络进行处理，获得去模糊图像。
全文数据：
权利要求：
百度查询： 中国科学院长春光学精密机械与物理研究所 基于事件驱动的多模态融合图像运动去模糊方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号