公开(公告)号：CN115082315A

公开(公告)日：2022-09-20

申请号：CN202210763316.0

申请日：2022-06-30

Applicant: 重庆大学

Inventor： 石匆 ,  任静 ,  李睿 ,  王海冰 ,  高灏然 ,  何俊贤 ,  王腾霄 ,  王丽

IPC: G06T3/40 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种低光照小像素CFA采样与边缘计算设备适用的去马赛克方法，包括步骤1：先对原始数据集添加高斯噪声、降低亮度后，通过具有75%透明元素的CFA将RGB图像处理成马赛克图像，并设置训练目标神经网络的参数。步骤2：搭建以UNet++网络作为主框架的神经网络模型。步骤3：根据所述神经网络模型，分两阶段以最小化各自损失函数为目标训练相应的网络模型。步骤4：利用训练好的所述神经网络模型，对待处理图像进行处理，得到去马赛克的图像。本发明在保证适用于小像素彩色滤波整列马赛克图像恢复效果的基础上，优化网络拓扑结构，尽量减小参数量，加速训练时长，同时可以适用于边缘计算设备上的网络部署。

公开(公告)号：CN115082315B

公开(公告)日：2024-09-13

申请号：CN202210763316.0

申请日：2022-06-30

Applicant: 重庆大学

Inventor： 石匆 ,  任静 ,  李睿 ,  王海冰 ,  高灏然 ,  何俊贤 ,  王腾霄 ,  王丽

IPC: G06T3/4015 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出一种低光照小像素CFA采样与边缘计算设备适用的去马赛克方法，包括步骤1：先对原始数据集添加高斯噪声、降低亮度后，通过具有75%透明元素的CFA将RGB图像处理成马赛克图像，并设置训练目标神经网络的参数。步骤2：搭建以UNet++网络作为主框架的神经网络模型。步骤3：根据所述神经网络模型，分两阶段以最小化各自损失函数为目标训练相应的网络模型。步骤4：利用训练好的所述神经网络模型，对待处理图像进行处理，得到去马赛克的图像。本发明在保证适用于小像素彩色滤波整列马赛克图像恢复效果的基础上，优化网络拓扑结构，尽量减小参数量，加速训练时长，同时可以适用于边缘计算设备上的网络部署。