[發(fā)明專利]一種基于深度學習的圖像去模糊方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810796502.8
• 申請日: 2018-07-19
• 公開（公告）號: CN109087256A
• 公開（公告）日: 2018-12-25
• 發(fā)明（設(shè)計）人: 劉一膠;董遠;白洪亮;熊風燁
• 申請（專利權(quán)）人: 北京飛搜科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發(fā)明提供的一種基于深度學習的圖像去模糊方法及系統(tǒng)，獲取待去模糊的目標圖像，對目標圖像進行預處理；將預處理后的目標圖像輸入至預設(shè)神經(jīng)網(wǎng)絡(luò)，根據(jù)預設(shè)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，獲得目標圖像對應的去模糊圖像；其中，預設(shè)神經(jīng)網(wǎng)絡(luò)是根據(jù)模糊圖像樣本和清晰圖像樣本進行訓練后獲得的。該方法及系統(tǒng)能夠利用預設(shè)神經(jīng)網(wǎng)絡(luò)對模糊圖像自動進行去模糊處理，獲得模糊圖像對應的去模糊圖像，無需提前獲知確切的模糊核，可適用于任意一種類型的模糊圖像，具有廣泛的普適應；同時在圖像處理、識別和應用之前通過對圖像進行去模糊處理，能夠有效提升圖像處理、識別和應用的效率和準確率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，更具體地，涉及一種基于深度學習的圖像去模糊方法及系統(tǒng)。

背景技術(shù)

由于受到環(huán)境和成像設(shè)備(如相機的硬件條件)等影響，圖像質(zhì)量在成像過程中或多或少會有一定的損失，圖像模糊即為一種常見的圖像降質(zhì)現(xiàn)象。

通常，圖像模糊的類型可分為以下幾種：散焦模糊、高斯模糊、運動模糊、混合模糊和任意模糊。其中，散焦模糊是指由于鏡頭未能正確對焦或由于場景景深較大而導致部分場景不在焦點上而造成的圖像不清晰；高斯模糊是指由于大氣湍流對物體光線的散射影響造成的圖像不清晰；運動模糊是指當相機處于靜止狀態(tài)下，長時間曝光時，運動物體與背景混疊造成的圖像不清晰；混合模糊是指散焦模糊、高斯模糊和運動模糊三者之中的任意兩個或全部三個的組合所導致的圖像不清晰；任意模糊則是指由于相機抖動等不規(guī)則運動所引發(fā)的相機運動軌跡上場景在曝光時間內(nèi)的混疊。

圖像模糊會造成圖像邊緣分辨不清和圖像細節(jié)丟失，從而嚴重影響后續(xù)的圖像處理、識別和應用等。因此，對模糊圖像進行去模糊處理突顯得尤為重要。現(xiàn)有的去模糊技術(shù)包括Lucy-Richardson算法和維納濾波器，然而這兩種現(xiàn)有的去模糊技術(shù)均需提前獲知確切的模糊核，并不具有普適應。

有鑒于此，亟需提供一種普遍適用的圖像去模糊方法及系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明為了克服現(xiàn)有的去模糊技術(shù)均需提前獲知確切的模糊核，導致不具有普適應的問題，提供一種基于深度學習的圖像去模糊方法及系統(tǒng)。

一方面，本發(fā)明提供一種基于深度學習的圖像去模糊方法，包括：

獲取待去模糊的目標圖像，對所述目標圖像進行預處理；

將預處理后的所述目標圖像輸入至預設(shè)神經(jīng)網(wǎng)絡(luò)，根據(jù)所述預設(shè)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，獲得所述目標圖像對應的去模糊圖像；

其中，所述預設(shè)神經(jīng)網(wǎng)絡(luò)是根據(jù)模糊圖像樣本和清晰圖像樣本進行訓練后獲得的。

優(yōu)選地，所述對所述目標圖像進行預處理，具體為：

將所述目標圖像的大小調(diào)整至預設(shè)尺寸。

優(yōu)選地，所述將預處理后的所述目標圖像輸入至預設(shè)神經(jīng)網(wǎng)絡(luò)，根據(jù)所述預設(shè)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，獲得所述目標圖像對應的去模糊圖像，具體為：

將預處理后的所述目標圖像輸入至所述預設(shè)神經(jīng)網(wǎng)絡(luò)的下采樣層，利用所述下采樣層對預處理后的所述目標圖像進行下采樣，輸出所述目標圖像對應的特征向量；

將所述特征向量輸入至所述預設(shè)神經(jīng)網(wǎng)絡(luò)的殘差網(wǎng)絡(luò)層，利用所述殘差網(wǎng)絡(luò)層對所述特征向量進行特征補償，輸出補償后的特征向量；

將補償后的特征向量輸入至所述預設(shè)神經(jīng)網(wǎng)絡(luò)的上采樣層，利用所述上采樣層對補償后的特征向量進行上采樣，輸出所述目標圖像對應的去模糊圖像。

優(yōu)選地，所述將預處理后的所述目標圖像輸入至預設(shè)神經(jīng)網(wǎng)絡(luò)，之前還包括：

獲取多個清晰圖像樣本，對于任意一個清晰圖像樣本，獲取該清晰圖像樣本對應的模糊圖像樣本，將該清晰圖像樣本和對應的模糊圖像樣本的組合作為一個訓練樣本，獲得多個訓練樣本；