成像系统景深扩展方法、系统、电子设备及存储介质与流程

专利检索2026-08-21  24


本申请涉及成像,具体而言,本申请涉及一种成像系统景深扩展方法、系统、电子设备及存储介质。


背景技术:

1、海洋浮游生物是一类游泳能力较弱的水生漂流生物,主要包括浮游动植物等,它们数量庞大,广泛分布于全球的海洋中,是海洋中食物、物质和能量食物网的基础组成部分。因此,对海洋浮游生物进行观测,不仅是理解人类活动和全球变化度海洋生态系统的影响与海洋生态系统对全球气候变化响应等重大海洋科学问题的基础,也是海洋生态环境监测、生物多样性调查、渔业生物资源评估、致灾生物爆发监测等应用中不可或缺的技术手段。

2、然而,浮游生物原位成像一直在面临着成像质量和采样通量之间存在制衡的挑战。一方面,复杂的海水成分和浮游生物属性使得水下成像仪器所面临的成像介质和目标的光学属性一直多变,极易导致采集的图像质量恶化,影响水下暗场成像图像的分辨率和后续图像识别分析的准确率;另一方面,为了获取足够的分辨率以识别和测量微小的浮游生物个体,成像往往需要较大的倍率。这就导致景深较浅,单次成像采样的水体体积小,进而导致对海水成像采样的通量和效率较低,不利于在单位时间内对一定尺度的海域获得更有统计意义的观测结果。

3、由上可知,如何平衡水下活体浮游生物暗场成像分辨率和景深的问题仍有待解决。


技术实现思路

1、本申请提供了一种成像系统景深扩展方法、系统、电子设备及存储介质,可以解决相关技术中存在的在采集水中活体浮游生物图像时无法兼顾成像分辨率和景深,导致单帧图像对应的水体体积小,对浮游生物的原位观测效率低的问题。所述技术方案如下:

2、根据本申请的一个方面,一种成像系统景深扩展方法,所述方法包括:获取离焦图像;将所述离焦图像输入景深扩展网络模型进行景深扩展,得到景深扩展重建图像。

3、所述景深扩展网络模型包括离焦距离估计子网络和景深扩展子网络,所述离焦距离估计子网络用于对所述离焦图像的离焦距离进行估计,得到离焦距离估计值,并将所述离焦距离估计值进行编码后传入所述景深扩展子网络,指导景深扩展子网络进行景深扩展;所述景深扩展子网络用于对所述离焦图像进行特征提取,并结合所述离焦距离估计值进行解码,输出景深扩展重建图像。

4、根据本申请的一个方面,一种景深扩展成像系统,所述系统包括:图像获取模块:用于获取离焦图像;图像重建模块:用于将获取到的离焦图像通过景深扩展网络模型重建为景深扩展图像;所述景深扩展网络模型包括离焦距离估计子网络和景深扩展子网络,所述离焦距离估计子网络用于对所述离焦图像的离焦距离进行估计,得到离焦距离估计值,并将所述离焦距离估计值进行编码后传入所述景深扩展子网络,指导景深扩展子网络进行景深扩展;所述景深扩展子网络用于对所述离焦图像进行特征提取,并结合所述离焦距离估计值进行解码,输出景深扩展重建图像。

5、根据本申请的一个方面,一种电子设备,包括:至少一个处理器、至少一个存储器、以及至少一条通信总线,其中,存储器上存储有计算机程序,处理器通过通信总线读取存储器中的计算机程序;计算机程序被处理器执行时实现如上所述的成像系统景深扩展方法。

6、根据本申请的一个方面,一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上所述的成像系统景深扩展方法。

7、根据本申请的一个方面,一种计算机程序产品,计算机程序产品包括计算机程序,计算机程序存储在存储介质中,计算机设备的处理器从存储介质读取计算机程序,处理器执行计算机程序,使得计算机设备执行时实现如上所述的成像系统景深扩展方法。

8、本申请提供的技术方案带来的有益效果是:

9、在上述技术方案中,通过获取离焦图像,并构建景深扩展网络模型,将获取到的离焦图像输入景深扩展网络模型进行景深扩展,得到景深扩展重建图像。在实现了成像景深扩展的同时提升了分辨率,解决了现有技术方案中存在的采集水中活体浮游生物图像时无法兼顾成像分辨率和景深,导致单帧图像对应的水体体积小,对浮游生物的原位观测效率低的问题,同时本申请中的景深扩展网络模型对训练数据中不曾包含的其他类别和更为复杂的浮游生物图像同样具有较好的景深扩展效果,模型的泛化性能良好。



技术特征:

1.一种成像系统景深扩展方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,所述离焦距离估计子网络包括第一特征提取器、第一聚合器、回归器以及编码器;

3.如权利要求1所述的方法,其特征在于,所述景深扩展子网络包括第二特征提取器、第二聚合器以及解码器;

4.如权利要求3所述的方法,其特征在于,所述第二聚合器的聚合公式为:

5.如权利要求1所述的方法,其特征在于,所述景深扩展网络模型是基于图像数据集训练得到的;所述图像训练集包括多个模糊-清晰图像对。

6.如权利要求1所述的方法,其特征在于,所述景深扩展网络模型的损失函数为上下文损失函数与均方误差损失函数的加权和。

7.如权利要求6所述的方法,其特征在于,所述景深扩展网络模型的损失函数公式为:

8.一种景深扩展成像系统,其特征在于,所述系统包括:

9.一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器、以及至少一条通信总线,其中,

10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述成像系统景深扩展方法。


技术总结
本申请提供了一种成像系统景深扩展方法、系统、电子设备及存储介质,涉及成像技术领域。其中,该方法包括:获取离焦图像;将所述离焦图像输入景深扩展网络模型进行景深扩展,得到景深扩展重建图像;所述景深扩展网络模型包括离焦距离估计子网络和景深扩展子网络。本申请解决了相关技术中在采集水中活体浮游生物图像时无法兼顾成像分辨率和景深,导致单帧图像对应的水体体积小,对浮游生物的原位观测效率低的问题。

技术研发人员:陈涛,李剑平,郭冠男,杨振宇
受保护的技术使用者:深圳先进技术研究院
技术研发日:
技术公布日:2024/5/29
转载请注明原文地址:https://win.8miu.com/read-1166925.html

最新回复(0)