[發明專利]一種基于擴散模型的圖像去模糊方法

在審

• 申請號: 202310578005.1
• 申請日: 2023-05-22
• 公開（公告）號: CN116645287A
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 劉紅敏;夏俊勇;樊彬
• 申請（專利權）人: 北京科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/0464;G06N3/08;G06V10/82;G06V10/774
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.一種基于擴散模型的圖像去模糊方法，其特征在于，包括：

構建DMDIFF去模糊網絡模型；其中，所述DMDIFF去模糊網絡包括模糊圖像特征編碼器、深度梯度提取UNet骨干網絡和交叉注意力子網絡；

對訓練樣本圖像進行數據增強處理，得到目標訓練樣本；

通過所述目標訓練樣本訓練所述DMDIFF去模糊網絡模型，得到目標擴散模型；其中，訓練所述DMDIFF去模糊網絡模型過程中使用Adam優化器更新網絡模型參數；學習率更新采用StepLR策略；

將待處理圖像輸入所述目標擴散模型進行去模糊處理，生成目標圖像。

2.根據權利要求1所述的一種基于擴散模型的圖像去模糊方法，其特征在于：

所述模糊圖像特征編碼器包括4個NAFBlock，每個所述NAFBlock由1個卷積模塊和6個殘差塊并聯而成，所述殘差塊依次包括1個層歸一化、1個1×1的卷積、1個3×3的深度卷積、一個門控單元、一個簡化注意力模塊和1個1×1的卷積，且所述殘差塊的輸出與經過所述卷積模塊的輸入相加作為下一個NAFBlock的輸入。

3.根據權利要求1所述的一種基于擴散模型的圖像去模糊方法，其特征在于：

所述UNet骨干網絡包括編碼器、中間過渡模塊和解碼器，所述UNet骨干網絡輸入為清晰圖像和模糊圖像的差值，UNet骨干網絡的輸出為差值模板。

4.根據權利要求3所述的一種基于擴散模型的圖像去模糊方法，其特征在于：

所述編碼器包括3個SCABlock和下采樣層對，所述下采樣層對分別為第一SCA下采樣模塊、第二SCA下采樣模塊以及第三SCA下采樣模塊；

所述中間過渡模塊由1個SCABlock模塊組成，為第一中間SCA模塊；

所述解碼器包括3個SCABlock和上采樣層對，上采樣層對分別為第一SCA上采樣模塊、第二SCA上采樣模塊、第三SCA上采樣模塊；

所述第一SCA下采樣模塊、所述第二SCA下采樣模塊、所述第三SCA下采樣模塊、所述第一中間SCA模塊、所述第一SCA上采樣模塊、所述第二SCA上采樣模塊、所述第三SCA上采樣模塊串聯。

5.根據權利要求4所述的一種基于擴散模型的圖像去模糊方法，其特征在于：

所述模糊圖像特征編碼器的輸出與所述第一SCA下采樣模塊中的SCABlock輸出相連接后輸入所述第二SCA下采樣模塊，所述第三SCA下采樣模塊中的SCABlock的輸出與所述第一SCA上采樣模塊中的上采樣層輸出相連接后送入所述第一SCA上采樣模塊中的SCABlock，所述第二SCA下采樣模塊中的SCABlock的輸出與所述第二SCA上采樣模塊中的上采樣層輸出相連接后送入所述第二SCA上采樣模塊中的SCABlock；

所述第一SCA下采樣模塊中的SCABlock的輸出與第三SCA上采樣模塊中的上采樣層輸出相連接后送入所述第三SCA上采樣模塊中的SCABlock得到輸出結果。

6.根據權利要求4所述的一種基于擴散模型的圖像去模糊方法，其特征在于：每個所述SCABlock由1個卷積模塊和6個殘差塊并聯而成；

每個所述殘差塊依次包括1個層歸一化、1個1×1的卷積、1個3×3的深度卷積、一個Mish函數、一個簡化注意力模塊和1個1×1的卷積；

所述殘差塊的輸出與經過所述卷積模塊的輸入相加作為下一個模塊的輸入。