一种基于生成对抗网络端到端的模糊图像盲复原方法.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CN108520504A(43)申请公布日2018.09.11(21)申请号201810337089.9(22)申请日2018.04.16(71)申请人湘潭大学地址411105湖南省湘潭市雨湖区湘潭大学(72)发明人欧阳建权张云飞唐欢容(74)专利代理机构北京卓恒知识产权代理事务所(特殊普通合伙)11394代理人徐楼(51)Int.Cl.G06T5/00(2006.01)权利要求书3页说明书9页附图2页(54)发明名称一种基于生成对抗网络端到端的模糊图像盲复原方法(57)摘要基于生成对抗网络端到端的模糊图像盲复原方法，该方法包括：1)建立样本数据集；2)建立端到端图像配对模型：对数据集中的原始图像进行模糊化处理，建立模糊图像到原始图像的图像配对模型；3)生成对抗网络的对抗训练：模糊图像作为生成器输入数据，生成器学习原始图像的样本分布，生成图像，判别器将生成图像与原始图像的差异反馈给生成器，提高生成图像的质量；生成器和判别器进行反复对抗训练，得到最优模糊图像复原的网络模型；4)图像复原。本发明采用生成对抗网络端对端的训练模型，将模糊图像和原始图像配对处理，通过训练模型进行训练，不需要模糊图像的任何先验知识，学习完成后，直接输入模糊图像，模型即生成清晰图像。CN108520504ACN108520504A权利要求书1/3页1.一种基于生成对抗网络端到端的模糊图像盲复原方法，该方法包括以下步骤：1)建立样本数据集：通过公开的数据集或网络爬虫技术获取样本数据集；2)建立端到端图像配对模型：对步骤1)的样本数据集中的原始图像进行模糊化处理，将模糊化处理后的图像分别与原始图像进行配对，建立模糊图像的输入端到原始图像的目标端的图像配对模型；3)生成对抗网络的对抗训练：步骤2)中的模糊图像作为生成器输入数据，生成器学习原始图像的样本分布，生成图像，判别器判断该图像是来自生成器还是来自原始图像数据，并将生成图像与原始图像之间的差异程度反馈给生成器，生成器提高生成图像的质量；生成器和判别器进行反复对抗训练，得到最优模糊图像复原的网络模型；4)图像复原：利用训练完成的模型对模糊图像进行复原，输入待复原的模糊图像，模型输出该模糊图像复原后的图像。2.根据权利要求1所述的方法，其特征在于：步骤3)中所述生成图像与原始图像之间的差异程度的计算方法具体为：①将生成图像和原始图像划分为多个图像对应块；②基于测地距离计算生成图像和原始图像所有图像对应块的相似程度，得到生成图像与原始图像之间的差异程度。3.根据权利要求2所述的方法，其特征在于：子步骤①具体为：以生成图像A和原始图像B为目标，生成图像A和原始图像B的大小为m*m，设计一个大小为n*n的图像块S，分别对生成图像A和原始图像B采用逐像素的对应块方式进行扫描，SAi表示生成图像A中第i个像素位置的图像块，SBi表示原始图像B中第i个像素位置的图像块，SAi与SBi表示生成图像A和原始图像B第i个像素位置的对应块；作为优选，n的取值为1-15，优选为2-10，n为整数。4.根据权利要求2或3所述的方法，其特征在于：子步骤②具体为：给定生成图像A和原始图像B的图像对应块PA、PB，大小为n*n，计算两图像块中第i个像素点权值WP和WG，WP表示像素值之间的差值，有：式(1)中分别表示图像对应块中第i个像素位置Ai、Bi两点c∈{r，g，b}的像素值；WG表示图像梯度值的变化值，有：式(2)中和分别表示图像对应块中第i个像素位置Ai、Bi两点c∈{r，g，b}的像素值，α和β分别表示Ai、Bi两点像素值变化最大的方向与最小方向的夹角；计算位于不同图像块相同位置Ai、Bi两点间的测地距离d(PAi，PBi)：d(PAi，PBi)＝WP+WG(3)；2CN108520504A权利要求书2/3页则图像块PA，PB之间的距离为：由上述测地距离可得生成图像与原始图像的内容损失：式(5)中M表示生成图像与原始图像划分图像对应块的个数，n*n表示一个图像对应块的大小，d(G(x)i，Z(y)i)表示图像中第i个像素点位置的生成图像G(x)到原始图像Z(y)的测地距离，表示L1损失，x表示模糊图像，y表示原始图像；判别器判断图像来自生成器的生成图像还是原始图像的损失为：式(6)中y表示样本数据集中所有的样本数据，N表示生成器生成的图像个数；由生成图像和原始图像的内容损失和判别器损失的联合优化，则生成对抗网络的联合优化损失函数为：LG＝Lgd+LD(7)；即得：生成图像与原始图像之间的差异程度为LG＝Lgd+LD。5.根据权利要求4所述的方法，其特征在于：α的取值为0，π/4，π/2，3π/4或π；和/或β的取值为0，π/4，π/2，3π/4或π。6.根