← 返回列表
图像非均匀校正的残差BP神经网络及方法
摘要文本
本发明涉及图像非均匀校正技术领域，尤其涉及一种图像非均匀校正的残差BP神经网络及方法；其中，图像非均匀校正的残差BP神经网络，包括输入层、NUC层、隐含层、输出层和残差层；输入图像经NUC层根据初始增益矩阵和初始偏置矩阵进行两点标定，再由隐含层对标定后的图像进行映射，得到含有映射关系的增益矩阵和偏置矩阵；在残差层中对输出层输出的预测校正图像先进行平滑处理，对预测校正图像根据像素的区域属性进行自适应调整，再与真实校正图像计算得到残差矩阵，并根据残差矩阵更新增益矩阵和偏置矩阵，并将增益矩阵和偏置矩阵反馈到NUC层中影响训练过程，进而提高校正精度。
申请人信息
- 申请人:长春智灵光电科技有限公司
- 申请人地址:130000 吉林省长春市净月开发区生态大街6666号创业服务中心东辅楼310、311、312室
- 发明人: 长春智灵光电科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 图像非均匀校正的残差BP神经网络及方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410119749.1 |
| 申请日 | 2024/1/29 |
| 公告号 | CN117649370A |
| 公开日 | 2024/3/5 |
| IPC主分类号 | G06T5/90 |
| 权利人 | 长春智灵光电科技有限公司 |
| 发明人 | 韩夕冉 |
| 地址 | 吉林省长春市净月开发区生态大街6666号创业服务中心东辅楼310、311、312室 |
专利主权项内容
1.一种图像非均匀校正的残差BP神经网络，包括输入层、隐含层、输出层，其特征在于，还包括NUC层和残差层；其中，所述输入层，用于将输入图像输入至所述图像非均匀校正的残差BP神经网络中；所述NUC层，用于根据增益矩阵和偏置矩阵对所述输入图像进行两点标定；所述隐含层，用于对所述NUC层标定后的图像进行映射，得到含有映射关系的增益矩阵和偏置矩阵；所述输出层，用于输出预测校正图像；所述残差层，用于对所述预测校正图像进行平滑处理，再将平滑处理后的图像与预测校正图像计算得到残差矩阵，并根据所述残差矩阵更新所述增益矩阵和所述偏置矩阵，并将所述增益矩阵和所述偏置矩阵反馈到所述NUC层中。