图像位移确定方法、装置及电子设备制造方法及图纸

本发明专利技术提供一种图像位移确定方法、装置及电子设备；涉及图像处理技术领域。其中，所述方法包括：获取连续的多张散斑图像；将所述多张散斑图像输入由卷积神经网络构成的位移检测模型，所述位移检测模型用于提取所述多张散斑图像之间目标物体的位移；获取所述位移检测模型输出的位移，基于所述位移确定所述目标物体的运动信息。本发明专利技术能够提高图像位移的计算速率。率。率。

【技术实现步骤摘要】
图像位移确定方法、装置及电子设备


[0001]本专利技术涉及图像处理
，尤其涉及一种图像位移确定方法、装置及电子设备。

技术介绍

[0002]通常采用数字图像相关技术来计算物体形变前后的位移。数字图像相关技术的计算过程是首先从物体形变前的图像中确定一个感兴趣区域，以及该感兴趣区域的中心点，再按相关函数计算之后的图像中每个区域与该感兴趣区域的相关系数，与该感兴趣区域相关系数最大的区域则为发生形变后的位置，进而计算得到感兴趣区域中心点的位移。通过计算多个感兴趣区域中心点的位移可以确定物体的位移场。此外，在计算过程中还需要对原始的图像进行插值处理，增加数据量，来满足计算物体形变的微小位移的要求。可见，这种方式的计算过程比较复杂，计算量较大。

技术实现思路

[0003]本专利技术提供一种图像位移确定方法、装置及电子设备，能够在计算图像间位移时减少计算量，提高计算的效率。
[0004]第一方面，本专利技术提供一种图像位移确定方法，包括：
[0005]获取连续的多张散斑图像；
[0006]将所述多张散斑图像输入由卷积神经网络构成的位移检测模型，所述位移检测模型用于提取所述多张散斑图像之间目标物体的位移；
[0007]获取所述位移检测模型输出的位移，基于所述位移确定所述目标物体的运动信息。
[0008]根据本专利技术提供的一种示例性实施方式，所述位移检测模型包括输入层、三维卷积层、二维卷积层以及检测层；所述将所述多张散斑图像输入由卷积神经网络构成的位移检测模型，包括：<br/>[0009]将所述多张散斑图像输入所述输入层，获取所述输入层对所述散斑图像提取的第一特征数据；
[0010]将所述多张散斑图像各自对应的所述第一特征数据，按照所述多张散斑图像的时间顺序堆叠为三维数据；
[0011]将所述三维数据输入所述三维卷积层，获得所述三维卷积层输出的第二特征数据，并将所述第二特征数据转化为二维；
[0012]将所述二维的第二特征数据输入所述二维卷积层，获得第三特征数据；
[0013]将所述第三特征数据输入所述检测层，通过所述检测层确定所述位移。
[0014]根据本专利技术提供的一种示例性实施方式，所述位移检测模型包括多个输入层，所述将所述多张散斑图像输入所述输入层，包括：
[0015]将所述多张散斑图像分别输入到不同的输入层，所述输入层与所述散斑图像一一
对应。
[0016]根据本专利技术提供的一种示例性实施方式，所述方法还包括：
[0017]所述三维卷积层的卷积核的深度与所述三维数据的深度相同。
[0018]根据本专利技术提供的一种示例性实施方式，所述散斑图像为发出声音的目标物体表面的散斑形成图像，所述基于所述位移确定所述目标物体的运动信息之后，还包括：
[0019]根据所述运动信息还原出作用在所述目标物体上的声音信号。
[0020]第二方面，本专利技术还提供一种图像位移确定装置，包括：
[0021]图像采集模块，用于获取连续的多张散斑图像；
[0022]位移计算模块，用于将所述多张散斑图像输入由卷积神经网络构成的位移检测模型，所述位移检测模型用于提取所述多张散斑图像之间目标物体的位移；
[0023]运动特征确定模块，用于获取所述位移检测模型输出的位移，基于所述位移确定所述目标物体的运动信息。
[0024]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述图像位移确定方法。
[0025]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述图像位移确定方法。
[0026]第五方面，本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述图像位移确定方法。
[0027]本专利技术提供的图像位移确定方法、装置及电子设备，与传统的数字图像相关算法不同，是通过卷积神经网络构成的位移检测模型来确定多张图像之间的位移，为图像位移计算提供了新的方式和研究方向，有利于图像位移算法的发展。并且，本专利技术的技术方案中，位移检测模型通过提取图像的特征，来确定图像间的位移。无需对图像中的每个点进行搜索，也无需进行插值处理，计算过程简单，能够提高计算速度。
附图说明
[0028]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是本专利技术提供的图像位移确定方法的流程示意图之一；
[0030]图2是本专利技术提供的图像位移确定方法中位移检测模型的结构示意图；
[0031]图3是本专利技术提供的图像位移确定方法的流程示意图之二；
[0032]图4是本专利技术提供的图像位移确定方法的应用场景示意图；
[0033]图5是本专利技术提供的图像位移确定装置的结构示意图；
[0034]图6是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0035]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本
专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]本专利技术首先提供一种图像位移确定方法。该方法可以由个人计算机、掌上电脑、平板电脑、或服务器等电子设备执行，本专利技术对该电子设备的表现形式不作特殊限定。
[0037]下面结合附图描述本专利技术的图像位移确定方法的技术方案。
[0038]如图1所示，该图像位移确定方法可以包括如下步骤：
[0039]S10：获取连续的多张散斑图像。
[0040]散斑图像是激光照射到目标物体表面发生反射或激光通过不均匀物体表面时形成的图像。本实施方式中，通过激光照射目标物体，然后用相机对目标物体进行拍照，可以得到散斑图像。通过采样速率较高的相机在一段时间内对目标物体表面进行采样，可以得到多张散斑图像构成的图像序列。通过控制采样时间的长短，可以得到任意数量张散斑图像。例如，通过采样速率为3200fps的相机每秒可以得到3200张散斑图像。
[0041]S20：将所述多张散斑图像输入由卷积神经网络构成的位移检测模型，所述位移检测模型用于提取所述多张散斑图像之间目标物体的位移。
[0042]该位移检测模型为预先训练好的模型。可选的，该位移检测模型可以包括输入层、三维卷积层、二维卷积层来提取图像的特征，然后通过检测层来预测图像间的位移。与只采用二维卷积来提取特征的方式相比，本专利技术增加了三维卷积层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像位移确定方法，其特征在于，包括：获取连续的多张散斑图像；将所述多张散斑图像输入由卷积神经网络构成的位移检测模型，所述位移检测模型用于提取所述多张散斑图像之间目标物体的位移；获取所述位移检测模型输出的位移，基于所述位移确定所述目标物体的运动信息。2.根据权利要求1所述的图像位移确定方法，其特征在于，所述位移检测模型包括输入层、三维卷积层、二维卷积层以及检测层；所述将所述多张散斑图像输入由卷积神经网络构成的位移检测模型，包括：将所述多张散斑图像输入所述输入层，获取所述输入层对所述散斑图像提取的第一特征数据；将所述多张散斑图像各自对应的所述第一特征数据，按照所述多张散斑图像的时间顺序堆叠为三维数据；将所述三维数据输入所述三维卷积层，获得所述三维卷积层输出的第二特征数据，并将所述第二特征数据转化为二维；将所述二维的第二特征数据输入所述二维卷积层，获得第三特征数据；将所述第三特征数据输入所述检测层，通过所述检测层确定所述位移。3.根据权利要求2所述的图像位移确定方法，其特征在于，所述位移检测模型包括多个输入层，所述将所述多张散斑图像输入所述输入层，包括：将所述多张散斑图像分别输入到不同的输入层，所述输入层与所述散斑图像一一对应。4.根据权利要求2所述的图像位...

【专利技术属性】
技术研发人员：郑家琪，朱大立，曾华林，杨龙，何蕴轩，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：