摘要
本发明涉及图像处理领域,针对弱特征图像识别对焦问题,具体地涉及一种弱特征目标自动对焦方法、系统及存储介质,方法包括如下步骤:S1.构建并联U‑Net网络模型;S2.对模型进行监督训练;S3.采用改进的Dice损失函数进行网络优化;S4.基于融合频域信息的评估函数实现自动对焦。本发明将图像频谱图与卷积神经网络技术相结合,首先使用改进的并联U‑Net网络对源图像进行处理,利用数字图像及其频谱图作为训练数据对网络进行训练,使其能够对弱特征区域进行精确标记,然后使用改进的基于图像清晰度和频谱的自动对焦评估函数,完成图像的自动对焦。
技术关键词
傅里叶变换处理器
特征图像识别
数字图像转换
网络优化
原始图像数据
编码器
可读存储介质
图像采集模块
分支
高通滤波器
图像像素
输出特征
层级
图像处理
索引
解码器
计算机
系统为您推荐了相关专利信息
识别算法
Delaunay三角剖分
实景三维模型
公差
构建不规则三角网
零件尺寸检测方法
待测零件
点云模型
原始图像数据
三维点云重建
监测方法
4G通信模块
图像采集设备
果实
滤波去噪
数据分析算法
历史管理
生成方法
集成算法
网络优化