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：东南大学

摘要：本发明公开了一种基于深度卷积逆向图网络的非视域成像方法，该方法主要分为神经网络的训练和使用两个阶段。训练阶段，使用一台普通相机负责拍摄非视域场景所产生的反射图像包含非视域场景经过遮挡物后产生的半影信息，另一台相机负责拍摄非视域场景的图像，拍摄时两台相机的视角固定，非视域场景不断改变，由程序控制两台相机同时拍摄图像，从而获取足够数量的非视域场景图像及其对应的反射图像，将非视域场景产生的反射图像作为输入，非视域场景图像作为输出对网络进行训练。训练完成的网络可以直接根据输入的非视域场景所产生的反射图像，输出非视域场景的图像。本方法具有成像设备简单，对于训练好的网络，成像速度快等优点。

主权项：1.一种基于深度卷积逆向图网络的非视域成像方法，其特征在于：该方法基于两台固定视角的相机、一台控制两台相机拍摄和训练神经网络的上位机；该方法包括以下步骤：步骤1：使用相机1获取非视域场景图像，相机2获取非视域场景所产生的反射图像；步骤2：根据使用场景搭建深度卷积逆向图网络；网络由编码器和解码器构成，编码器负责将预处理过的非视域场景产生的反射图像读入，并负责将图像进行降维和概率分布的提取，而解码器负责采样概率分布，并将图像维度进一步提升以根据采样的特征绘制非视域场景图像；解码器由卷积层、BN层、Relu层和池化层堆叠而成，降维的同时提取特征，堆叠层数可根据成像场景的复杂度做相应的调整，编码器的最后一层为全连接层，用于概率分布的输出，而潜变量z则通过重采样来获取，解码器则通过读入潜变量，通过堆叠转置卷积层实现对图像维度提升的同时绘制非视域场景图像，转置卷积层的数量也可根据成像需要调整，最终输出非视域场景图像；步骤3：对步骤1获取的非视域场景图像及其所产生的反射图像进行预处理后，以反射图像为输入，对应的场景图像为输出，作为训练网络的数据集；步骤4：使用步骤3得到的数据集对步骤2建立的深度卷积逆向图网络进行有监督训练，并保存训练得到的网络参数供后续使用；步骤5：使用相机2获取非视域场景所产生的反射图像，经过预处理后送入步骤4中训练完成的神经网络，输出对应的非视域场景图像；其中，步骤3和步骤5中所述预处理包括对图像进行ROI提取、根据网络的输入维度对图像进行重采样即上采样或者下采样、对图像进行背景消除；所述对图像进行ROI提取和重采样时使用逆透视变换，背景消除时使用图像差分即使用反射图像与背景图像进行差分。

全文数据：

权利要求：

百度查询： 东南大学 一种基于深度卷积逆向图网络的非视域成像方法