[發(fā)明專利]基于深度多塊網(wǎng)絡(luò)的圖像去模糊方法

在審

• 申請?zhí)枺?/td>: 202011077611.8
• 申請日: 2020-10-10
• 公開（公告）號: CN112053306A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設(shè)計）人: 馬琳;賈爽;譚學(xué)治;王孝
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 哈爾濱華夏松花江知識產(chǎn)權(quán)代理有限公司 23213
• 代理人: 岳昕

1.基于深度多塊網(wǎng)絡(luò)的圖像去模糊方法，其特征在于，該方法包括以下步驟：

構(gòu)建深度多塊網(wǎng)絡(luò)，所述深度多塊網(wǎng)絡(luò)包括第1級子網(wǎng)絡(luò)、第2級子網(wǎng)絡(luò)和第3級子網(wǎng)絡(luò)；

且每級子網(wǎng)絡(luò)均包括輸入層、編碼器、解碼器和輸出層；

采集模糊圖像，利用采集的模糊圖像對深度多塊網(wǎng)絡(luò)進行訓(xùn)練，即將采集的模糊圖像依次輸入深度多塊網(wǎng)絡(luò)的第3級子網(wǎng)絡(luò)，再通過第1級子網(wǎng)絡(luò)輸出對應(yīng)的去模糊圖像；

直至深度多塊網(wǎng)絡(luò)的損失函數(shù)不再減小時停止訓(xùn)練，獲得訓(xùn)練好的深度多塊網(wǎng)絡(luò)；將待處理的模糊圖像輸入訓(xùn)練好的深度多塊網(wǎng)絡(luò)后，輸出去模糊圖像。

2.根據(jù)權(quán)利要求1所述的基于深度多塊網(wǎng)絡(luò)的圖像去模糊方法，其特征在于，所述將采集的模糊圖像依次輸入深度多塊網(wǎng)絡(luò)的第3級子網(wǎng)絡(luò)，再通過第1級子網(wǎng)絡(luò)輸出對應(yīng)的去模糊圖像，其具體過程為：

對于采集到的一幅模糊圖像B，將模糊圖像B均勻分割成4個不重疊的模糊圖像塊B_3,j，j＝1,...,4，將模糊圖像塊B_3,j，j＝1,...,4作為第3級子網(wǎng)絡(luò)的輸入圖像B₃，模糊圖像塊B_3,j輸入深度多塊網(wǎng)絡(luò)的第3級子網(wǎng)絡(luò)后，第3級子網(wǎng)絡(luò)的編碼器E₃產(chǎn)生卷積特征；

C_3,j＝E₃(B_3,j),j∈{1,...,4} (1)

其中，C_3,j表示第3級子網(wǎng)絡(luò)中的模糊圖像塊經(jīng)過第3級子網(wǎng)絡(luò)的編碼器產(chǎn)生的卷積特征；

對卷積特征C_3,j進行級聯(lián)，獲得新的卷積特征

其中，C_3,2j′-1和C_3,2j′表示第3級子網(wǎng)絡(luò)中的任意兩個相鄰卷積特征，表示第3級子網(wǎng)絡(luò)中的相鄰卷積特征級聯(lián)起來獲得的新卷積特征，表示級聯(lián)運算符；

將新的卷積特征作為第3級子網(wǎng)絡(luò)的解碼器D₃的輸入，解碼器D₃產(chǎn)生的去模糊圖像為S_3,j′；

將模糊圖像B均勻分割成2個不重疊的模糊圖像塊B_2,j′，將模糊圖像塊B_2,j′，j′＝1,2作為輸入圖像B₂，將B_2,j′與S_3,j′相加作為第2級子網(wǎng)絡(luò)的輸入，將第2級子網(wǎng)絡(luò)的編碼器E₂的輸出與相加產(chǎn)生卷積特征C_2,j′；

其中，E₂(B_2,j′+S_3,j′)代表第2級子網(wǎng)絡(luò)的編碼器E₂的輸出；

對相鄰的卷積特征C_2,1和C_2,2進行級聯(lián)獲得新的卷積特征

將新的卷積特征作為第2級子網(wǎng)絡(luò)的解碼器D₂的輸入，解碼器D₂產(chǎn)生的去模糊圖像為S₂；

將模糊圖像B作為輸入圖像B₁，B₁和去模糊圖像S₂相加作為第1級子網(wǎng)絡(luò)的輸入，將第1級子網(wǎng)絡(luò)的編碼器E₁的輸出與相加產(chǎn)生卷積特征C₁；

其中，E₁(B₁+S₂)代表第1級子網(wǎng)絡(luò)的編碼器E₁的輸出；

將卷積特征C₁作為第1級子網(wǎng)絡(luò)的解碼器D₁的輸入，解碼器D₁產(chǎn)生的去模糊圖像為S₁；

S₁＝D₁(C₁) (8)。