【技术实现步骤摘要】
基于深度残差收缩网络和生成对抗网络的去图像运动模糊
本专利技术涉及图像处理领域,尤其涉及一种基于深度残差收缩网络和生成对抗网络的去图像运动模糊方法。
技术介绍
图像作为重要的信息载体,让受众得到更加直观、高效、客观的视觉化信息。鉴于图像在传播信息时的优点与重要性,图像在各行各业中都扮演着重要的角色。例如:医学图像领域、交通监控领域、军事侦察领域、航天航空领域等等。在这些领域,清晰的图像难以获得,但是往往对决策判断有至关重要的作用。然而,由于各种不确定因素的影响,我们通过设备采集到的图像难免会产生不同程度的失真,通常将这些失真称为图像退化,图像的运动模糊就是一种典型的图像退化现象。运动模糊是指由于在拍摄时相机与被拍摄物体之间发生了相对位移,图像上就会出现运动模糊。恢复运动模糊图像并从中提取有效运动信息有着重要的意义,但实施起来却非常困难,因此图像去运动模糊算法的研究有重要价值。为了提高图像的质量,可以通过硬件和软件这两方面去改进。由于在硬件方面改进花费的成本太高而且技术上难以实现,所以大多都从软件算法方面对图像进行处理。国内外研究者在图像去运动模糊的研究方面已开展了大量的工作并取得了较大的进展,但是仍存在以下问题:第一:去模糊效果不理想。去模糊效果由主观评价指标和客观评价指标来体现。目前有研究将生成对抗网络与残差网络相结合,但是该算法没有对图像的噪声进行处理,使得去模糊的结果受噪声的影响较大,所以最终得到的去运动模糊图像无论在主观评价指标还是客观评价指标上表现都很一般。第二:计算开销较大。在图像 ...
【技术保护点】
1.一种基于深度残差收缩网络和生成对抗网络的去图像运动模糊方法,其特征在于,包括以下步骤:/nS1、选取训练数据集并对其进行预处理;/nS2、基于步骤S1预处理后的训练数据集中的模糊图像,利用生成网络得到生成图像;/nS3、将步骤S2得到的生成图像及其对应清晰图像输入判别网络,得到生成图像属于清晰图像的概率;/nS4、通过步骤S3得到的概率来训练判别网络,判断判别网络训练次数是否达到预设次数,若是,执行步骤S5,否则返回步骤S3;/nS5、利用步骤S4训练好的判别网络得到生成图像属于清晰图像的概率;/nS6、判断生成网络和判别网络是否达到纳什均衡,若是,执行步骤S8,否则执行步骤S7;/nS7、通过步骤S5得到的概率来训练生成网络,将判别网络训练次数清零后返回步骤S2;/nS8、采用训练好的生成网络去图像运动模糊。/n
【技术特征摘要】
1.一种基于深度残差收缩网络和生成对抗网络的去图像运动模糊方法,其特征在于,包括以下步骤:
S1、选取训练数据集并对其进行预处理;
S2、基于步骤S1预处理后的训练数据集中的模糊图像,利用生成网络得到生成图像;
S3、将步骤S2得到的生成图像及其对应清晰图像输入判别网络,得到生成图像属于清晰图像的概率;
S4、通过步骤S3得到的概率来训练判别网络,判断判别网络训练次数是否达到预设次数,若是,执行步骤S5,否则返回步骤S3;
S5、利用步骤S4训练好的判别网络得到生成图像属于清晰图像的概率;
S6、判断生成网络和判别网络是否达到纳什均衡,若是,执行步骤S8,否则执行步骤S7;
S7、通过步骤S5得到的概率来训练生成网络,将判别网络训练次数清零后返回步骤S2;
S8、采用训练好的生成网络去图像运动模糊。
2.如权利要求1所述的一种基于深度残差收缩网络和生成对抗网络的去图像运动模糊方法,其特征在于,所述步骤S1具体包括:
选取GoPro数据集作为训练数据集,将其中的模糊-清晰图像对按预设比例分为训练集和测试集,采用最邻近图像插值法将所有图像分辨率从1280×720转化为256×256。
3.如权利要求2所述的一种基于深度残差收缩网络和生成对抗网络的去图像运动模糊方法,其特征在于,所述步骤S2包括以下分步骤:
S21、随机采样所述步骤S1预处理后的训练数据集中的模糊图像得到输入图像IB,并将其输入生成网络;
S22、对输入图像IB进行边缘镜像填充;
S23、通过1个7×7卷积块、2个3×3卷积块和深度残差收缩网络对镜像填充后的输入图像IB进行输入图像特征提取;
S24、对步骤S23得到的特征图进行上采样后,再进行边缘镜像填充;
S25、使二次边缘镜像填充后的输入图像IB经过1个7×7卷积层,得到图像IR;
S26、通过全局连接使输入图像IB和图像IR相加得到生成图像IS。
4.如权利要求3所述的一种基于深度残差收缩网络和生成对抗网络的去图像运动模糊方法,其特征在于,所述步骤S23中的深度残差收缩网络的处理过程包括以下分步骤:
S231、将输入通过两个由批归一层、ReLU激活函数层和卷积层构成的卷积块后,对其求绝对值;
S232、对求绝对值后的输入通过全局均值池化得到...
【专利技术属性】
技术研发人员:蒋文波,刘安顺,李潘,卜云,宋潇潇,郭奕,刘霞,付钱华,黄永茂,
申请(专利权)人:西华大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。