摘要
本发明公开了一种抗核辐射的图像采集和处理方法、装置和计算机设备,首先采集场景图像生成黑噪声、低分辨率、低对比度退化样本,结合公开数据集对图像修复深度神经网络模型进行预训练;实时采集新图像并检测坏点,通过云台微动验证传感器固化坏点,利用8连通域区分零散或块状坏点:零散坏点采用双线性插值修复,块状坏点调用预训练模型加速修复;若图像正常且与历史图像差异大时,生成退化样本对,当累计样本对超预设数量阈值时则启动模型增量训练;最终将正常或修复图像编码输出。该方法延长了核辐射环境设备寿命,突破传统插值局限实现块状坏点高效修复,并基于场景退化样本持续优化模型,提升特定环境修复效果。
技术关键词
深度神经网络模型
低对比度图像
噪声图像
图像采集模块
视频编码
样本
双线性插值
存储模块
原始图像数据
云台
电源模块
计算机设备
CMOS传感器
迁移学习策略
图像编码
像素
验证传感器
系统为您推荐了相关专利信息
直方图均衡化
输电设备
局部二值模式
深度学习模型
计算方法
定量磁化率成像
梯度回波序列
磁共振成像系统
扫描方法
深度学习模型优化
图像匹配定位方法
视场角
渲染数据集
视角
实时图像
策略
去噪系统
植入式医疗器件
优化设备
数据去噪方法