一种基于高频图像块估计模糊核的运动模糊复原方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112529801A(43)申请公布日2021.03.19(21)申请号202011448781.2(22)申请日2020.12.09(71)申请人杭州电子科技大学地址310018浙江省杭州市江干区下沙高教园区(72)发明人崔光茫张纪桐陈颖赵巨峰(74)专利代理机构杭州杭诚专利事务所有限公司33109代理人尉伟敏(51)Int.Cl.G06T5/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G06T9/00(2006.01)权利要求书3页说明书7页附图3页(54)发明名称一种基于高频图像块估计模糊核的运动模糊复原方法(57)摘要本发明公开了一种基于高频图像块估计模糊核的运动模糊复原方法，包括以下步骤：通过编码曝光的方式获取图像；搜索出模糊图像中高频信息含量最多的图像块；将高频图像块和对应的模糊核输入训练网络，训练出模糊核估计模型；根据估计出的模糊核对模糊图像进行非盲去模糊复原。上述技术方案利用编码曝光技术获取的图像的特性解决高频信息含量少，难以恢复的问题，利用深度学习的方法估计模糊核，解决传统方法模糊核难以估计的问题，用遗传算法搜索出图像高频信息含量最多的图像块，大大降低预测模糊核时所使用的图像尺寸，提高网络训练速度，最后使用估计出的模糊核实现非盲去模糊复原。CN112529801ACN112529801A权利要求书1/3页1.一种基于高频图像块估计模糊核的运动模糊复原方法，其特征在于，包括以下步骤：(1)通过编码曝光的方式获取图像；(2)搜索出模糊图像中高频信息含量最多的图像块；(3)将高频图像块和对应的模糊核输入训练网络，训练出模糊核估计模型；(4)根据估计出的模糊核对模糊图像进行非盲去模糊复原。2.根据权利要求1所述的一种基于高频图像块估计模糊核的运动模糊复原方法，其特征在于，所述步骤1通过单片机控制相机快门开关实现编码曝光从而获得图像。3.根据权利要求1所述的一种基于高频图像块估计模糊核的运动模糊复原方法，其特征在于，所述步骤2使用遗传算法搜索模糊图像中高频信息含量最多的图像块，具体包括：(2.1)设置图像块尺寸，图像块的尺寸选取为模糊核的3倍；(2.2)遗传算法进行最大高频信息搜索。4.根据权利要求3所述的一种基于高频图像块估计模糊核的运动模糊复原方法，其特征在于，所述最大高频信息搜索具体算法包括：(2.21)个体编码方式：采用二进制编码，图像尺寸为M×M，对图像块中心点进行二进制编码；(2.22)初始化种群，种群个体数为num，初始种群由num个随机排列的编码个体组成；(2.23)建立目标函数，对于种群中的每一个个体，将其编码转换成完整的图像块，并求图像块的高频信息之和：N(p)表示以像素点p为中心的图像块；Infor(p)表示该图像块的高频信息含量；表示像素点y的梯度；(2.24)选择目标函数作为适应度函数Infor(p)，选择父代用轮盘赌的方法，对于每个个体在(2.23)中转换成图像块信息，计算图像块的高频信息，高频信息含量越大，该图像块被选择的概率越大。(2.25)对选择的个体进行交叉变异，即对父代两个个体编码进行处理得到新个体；(2.26)编码方式采用3位二进制表示像素点坐标每一位的数字0～8，先搜索图像块中心坐标不含“9”的较优高频信息图像块，再和与之最近的中心坐标含9的相比较，来确定最后结果。5.根据权利要求1所述的一种基于高频图像块估计模糊核的运动模糊复原方法，其特征在于，所述步骤3先构建网络训练的数据集，再将数据集输入网络进行训练，具体包括：(3.1)构建训练集，通过编码曝光方式获取若干清晰图像、模糊核和清晰图像卷积获得模糊图片，并对卷积后的模糊图像添加高斯白噪声，采用步骤(2)提取出模糊图像的最大高频信息块，将其作为网络的输入，对应的模糊核作为网络的输出；(3.2)构建网络，包括生成器和判别器构成的GAN网络结构。6.根据权利要求5所述的一种基于高频图像块估计模糊核的运动模糊复原方法，其特征在于，所述生成器是一个U-Net，先对高频图像块进行在降采样，然后进行上采样，在上采样过程中，与相同尺寸特征图之间构建连接，实现高级信息与低级信息的有效融合，生成器2CN112529801A权利要求书2/3页的损失函数由对抗损失和内容损失两部分组成，对抗损失：其中，表示生成器生成的图像信息，实验证明λ取10时，生成器具有良好的鲁棒性；内容损失采用特征匹配损失，公式如下：其中，K表示真实的模糊核，B表示高频图像块，G(B)表示生成器根据高频图像块生成的模糊核；生成器的总损失函数：LG＝Ladv+αLp。7.根据权利要求5所述的一种基于高频图像块估计模糊核的运动模糊复原方法，其特征在于，所述判别