基于改進(jìn)U-Net模型的高反光噪聲去除方法

基本信息

申請(qǐng)?zhí)?/td> CN202111510031.8 申請(qǐng)日 -
公開（公告）號(hào) CN114170106A 公開（公告）日 2022-03-11
申請(qǐng)公布號(hào) CN114170106A 申請(qǐng)公布日 2022-03-11
分類號(hào) G06T5/00（2006.01）I;G06N3/08（2006.01）I;G06N3/04（2006.01）I;G06V10/44（2022.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 劉國營;葛繼 申請(qǐng)（專利權(quán)）人 無錫圖創(chuàng)智能科技有限公司
代理機(jī)構(gòu) 無錫市匯誠永信專利代理事務(wù)所（普通合伙） 代理人 郭慧
地址 214028江蘇省無錫市經(jīng)濟(jì)開發(fā)區(qū)高浪東路999-8-A1-101-101
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于改進(jìn)U?Net模型的高反光噪聲去除方法，其可提高運(yùn)行速度，可提高圖像中高反光區(qū)域檢測準(zhǔn)確性，改進(jìn)U?Net模型包含上采樣路徑和下采樣路徑的三個(gè)卷積模塊，每個(gè)卷積模塊包含兩個(gè)連接線性整流函數(shù)的卷積層，并被一個(gè)最大池化層所鏈接；方法包括：獲取待測物體的原始圖像，對(duì)原始圖像進(jìn)行預(yù)處理，對(duì)改進(jìn)U?Net模型進(jìn)行訓(xùn)練構(gòu)建改進(jìn)U?Net模型：加入批量標(biāo)準(zhǔn)化層，在卷積模塊中每個(gè)卷積層后加入一個(gè)標(biāo)準(zhǔn)化層，舍棄神經(jīng)元操作，用Xavier初始化方法對(duì)權(quán)重進(jìn)行初始化，并輸出分割圖像，取原始點(diǎn)云數(shù)據(jù)，對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)，獲取配準(zhǔn)后的點(diǎn)云數(shù)據(jù)，配準(zhǔn)點(diǎn)云數(shù)據(jù)進(jìn)行降噪、平滑、精簡，三維重建。