一种图像动态模糊消除方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115861130A(43)申请公布日2023.03.28(21)申请号202211727440.8(22)申请日2022.12.30(71)申请人中国人民解放军国防科技大学地址410073湖南省长沙市开福区德雅路109号(72)发明人乔鹏刘斯盾窦勇李荣春许金伟姜晶菲(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师高雪(51)Int.Cl.G06T5/00(2006.01)G06N3/09(2023.01)权利要求书2页说明书11页附图4页(54)发明名称一种图像动态模糊消除方法、装置、设备及存储介质(57)摘要本申请公开了一种图像动态模糊消除方法、装置、设备及存储介质，涉及图像处理技术领域，包括：基于预先选定的单输出头结构的深度去模糊网络构建多输出头结构的初始深度去模糊网络；对多输出头结构的初始深度去模糊网络中的各初始输出头进行训练，得到训练后的多输出头结构的目标深度去模糊网络；其中，各训练后输出头为具有不同恢复特征的输出头；将模糊图像输入至目标深度去模糊网络，得到各训练后输出头输出的不同清晰特征的恢复图像。本申请通过将模糊图像输入至训练后的多输出头结构的目标深度去模糊网络，得到多张不同清晰特征的恢复图像，能够提高恢复图像的质量，避免恢复图像质量上出现训练质量退化、恢复图像模糊的问题。CN115861130ACN115861130A权利要求书1/2页1.一种图像动态模糊消除方法，其特征在于，包括：基于预先选定的单输出头结构的深度去模糊网络构建多输出头结构的初始深度去模糊网络；对所述多输出头结构的初始深度去模糊网络中的各初始输出头进行训练，得到训练后的多输出头结构的目标深度去模糊网络；其中，所述目标深度去模糊网络中的各训练后输出头为具有不同恢复特征的输出头；将模糊图像输入至的所述训练后的多输出头结构的目标深度去模糊网络，以得到所述目标深度去模糊网络中的各所述训练后输出头分别输出的不同清晰特征的恢复图像。2.根据权利要求1所述的图像动态模糊消除方法，其特征在于，所述基于预先选定的单输出头结构的深度去模糊网络构建多输出头结构的初始深度去模糊网络，包括：按照预设复制次数对预先选定的单输出头结构的深度去模糊网络的输出头进行复制得到多输出头结构的初始深度去模糊网络；所述单输出头结构的深度去模糊网络为基于监督学习算法训练得到的深度神经网络。3.根据权利要求2所述的图像动态模糊消除方法，其特征在于，所述预设复制次数为4。4.根据权利要求1所述的图像动态模糊消除方法，其特征在于，所述对所述多输出头结构的初始深度去模糊网络中的各初始输出头进行训练，得到训练后的多输出头结构的目标深度去模糊网络，包括：根据预设多输出头训练策略对所述多输出头结构的初始深度去模糊网络中的各初始输出头进行训练，得到训练后的多输出头结构的目标深度去模糊网络。5.根据权利要求4所述的图像动态模糊消除方法，其特征在于，所述预设多输出头训练策略，包括：在所述多输出头结构的初始深度去模糊模型训练的过程中，基于目标损失函数计算各输出头输出的恢复图像对应的损失值；所述损失值为相对于清晰图像标签的损失值；确定相对于所述清晰图像标签具有最小损失值的目标恢复图像，并将输出所述目标恢复图像的所述输出头确定为目标输出头；更新所述目标输出头的参数以便所述目标输出头输出的所述恢复图像接近于所述清晰图像标签，重复上述步骤对所述初始深度去模糊模型进行训练直至得到各所述输出头收敛的所述训练后的多输出头结构的目标深度去模糊网络。6.根据权利要求1至5任一项所述的图像动态模糊消除方法，其特征在于，所述对所述多输出头结构的初始深度去模糊网络中的各初始输出头进行训练，得到训练后的多输出头结构的目标深度去模糊网络之后，还包括：按照预设输出头组合策略对所述训练后的多输出头结构的目标深度去模糊网络的各所述训练后输出头进行组合，得到多输出头结构扩展后的目标深度去模糊网络；其中，所述多输出头结构扩展后的目标深度去模糊网络中的各扩展后输出头为具有一种或多种所述恢复特征的输出头；相应的，所述将模糊图像输入至的所述训练后的多输出头结构的目标深度去模糊网络，以得到所述目标深度去模糊网络中的各所述训练后输出头分别输出的不同清晰特征的恢复图像，包括：将模糊图像输入至所述多输出头结构扩展后的目标深度去模糊网络，以得到所述深度2CN115861130A权利要求书2/2页去模糊网络中的各所述扩展后输出头分别输出的不同清晰特征的恢复图像。7.根据权利要求6所述的图像动态模糊消除方法，其特征在于，所述按照预设输出头组合策略对所述训练后的多输出头结构的目标深度去模糊网络的各所述训练后输出头进行组合，得到多输出头结构扩展后的目标深度去模糊网络，包括：按照基于加法原