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。
技术关键词
图像多模态
输出特征
直方图
归一化模块
去模糊图像
滤波器模块
卷积模块
频率
事件流
网格
去模糊方法
密度
网络结构
双线性插值
图像处理技术
解码
系统为您推荐了相关专利信息
车辆塑料件
卷积神经网络模型
深度学习模型
深度学习优化
构建卷积神经网络
特征提取模块
细粒度特征
裂隙灯
特征提取器
分类方法
假性近视
快速筛查方法
随机森林
多模态
输出特征
属性识别方法
多头注意力机制
空间位置关系
语义
服装