图像去模糊的方法及装置制造方法及图纸

技术编号:19009962 阅读:32 留言:0更新日期:2018-09-22 09:44
本公开涉及图像去模糊的方法及装置。该方法包括:对模糊图像进行特征提取,得到反映所述模糊图像中各个区域空间关系特征的特征图;确定所述模糊图像中所述各个区域对应的参数;根据所述参数对所述特征图进行去模糊处理,得到去模糊结果;根据所述去模糊结果和所述特征图进行图像重建,得到所述模糊图像对应的清晰图像。本公开能够针对模糊图像中的不同区域采用不同的去模糊处理方式,从而能够准确地去除图像模糊。

Image deblurring method and device

The present disclosure relates to a method and device for image deblurring. The method comprises the following steps: extracting the features of the blurred image, obtaining the feature maps reflecting the spatial relationship features of each region in the blurred image, determining the corresponding parameters of each region in the blurred image, deblurring the feature maps according to the parameters, and obtaining the deblurring results; and removing the blurred image from the blurred image. The image is reconstructed by the paste result and the feature map, and the clear image corresponding to the blurred image is obtained. The present disclosure can adopt different de-blurring methods for different regions of a blurred image, thereby accurately removing image blurring.

【技术实现步骤摘要】
图像去模糊的方法及装置
本公开涉及图像处理
,尤其涉及一种图像去模糊的方法及装置。
技术介绍
图像的动态模糊通常由相机的抖动和拍摄物体的运动造成。图像去模糊是图像处理
的重要问题。准确地去除图像的模糊在安防监控、摄影处理等众多领域有着重要的利用价值。因此,需要提供一种图像去模糊的方法,以准确地去除图像模糊。
技术实现思路
有鉴于此,本公开提出了一种图像去模糊的方法及装置。根据本公开的一方面,提供了一种图像去模糊的方法,包括:对模糊图像进行特征提取,得到反映所述模糊图像中各个区域空间关系特征的特征图;确定所述模糊图像中所述各个区域对应的参数;根据所述参数对所述特征图进行去模糊处理,得到去模糊结果;根据所述去模糊结果和所述特征图进行图像重建,得到所述模糊图像对应的清晰图像。在一种可能的实现方式中,所述对模糊图像进行特征提取,得到反映所述模糊图像中各个区域空间关系特征的特征图,包括:通过第一神经网络对所述模糊图像进行特征提取,得到反映所述模糊图像中各个区域的空间关系特征的特征图。在一种可能的实现方式中,在所述得到反映所述模糊图像中各个区域的空间关系特征的特征图之后,还包括:对所述特征图进行降采样处理。在一种可能的实现方式中,所述确定所述模糊图像中所述各个区域对应的参数,包括:利用跳级连接的第二神经网络,获取所述模糊图像中各个区域对应的参数。在一种可能的实现方式中,所述第二神经网络包括多级卷积层,所述利用跳级连接的第二神经网络,获取所述模糊图像中各个区域对应的参数,包括:将第i级卷积层输出的特征图与第j级卷积层输出的特征图融合,得到第一融合特征图;将所述第一融合特征图输入第n级卷积层,得到所述第n级卷积层输出的特征图;将第m级卷积层输出的特征图与所述第n级卷积层输出的特征图融合,得到第二融合特征图,其中,1<m<i<j<n,且m,i,j,n均为正整数;将所述第二融合特征图输入最后一级卷积层,得到所述模糊图像中各个区域对应的参数。在一种可能的实现方式中,还包括:利用VGG16神经网络对第1级至第i级卷积层进行初始化。在一种可能的实现方式中,还包括:从第1级至第i级卷积层的每级卷积层之后,均进行降采样处理。在一种可能的实现方式中,所述根据所述参数对所述特征图进行去模糊处理,得到去模糊结果,包括:利用第三神经网络结合所述参数对所述特征图进行去模糊处理,得到去模糊结果,其中,所述第三神经网络包括至少一级循环神经网络,每级所述循环神经网络后级联至少一个卷积层。在一种可能的实现方式中,根据所述去模糊结果和所述特征图进行图像重建,得到所述模糊图像对应的清晰图像,包括:利用第四神经网络将所述去模糊结果和所述特征图进行融合,得到所述模糊图像对应的清晰图像。根据本公开的另一方面,提供了一种图像去模糊的装置,包括:特征提取模块,用于对模糊图像进行特征提取,得到反映所述模糊图像中各个区域空间关系特征的特征图;参数确定模块,用于确定所述模糊图像中所述各个区域对应的参数;去模糊模块,用于根据所述参数对所述特征图进行去模糊处理,得到去模糊结果;图像重建模块,用于根据所述去模糊结果和所述特征图进行图像重建,得到所述模糊图像对应的清晰图像。在一种可能的实现方式中,所述特征提取模块用于:通过第一神经网络对所述模糊图像进行特征提取,得到反映所述模糊图像中各个区域的空间关系特征的特征图。在一种可能的实现方式中,所述装置还包括:第一降采样模块,用于对所述特征图进行降采样处理。在一种可能的实现方式中,所述参数确定模块用于:利用跳级连接的第二神经网络,获取所述模糊图像中各个区域对应的参数。在一种可能的实现方式中,所述第二神经网络包括多级卷积层;所述参数确定模块包括:第一融合子模块,用于将第i级卷积层输出的特征图与第j级卷积层输出的特征图融合,得到第一融合特征图;第一确定子模块,用于将所述第一融合特征图输入第n级卷积层,得到所述第n级卷积层输出的特征图;第二融合子模块,用于将第m级卷积层输出的特征图与所述第n级卷积层输出的特征图融合,得到第二融合特征图,其中,1<m<i<j<n,且m,i,j,n均为正整数;第二确定子模块,用于将所述第二融合特征图输入最后一级卷积层,得到所述模糊图像中各个区域对应的参数。在一种可能的实现方式中,还包括:初始化模块,用于利用VGG16神经网络对第1级至第i级卷积层进行初始化。在一种可能的实现方式中,还包括:第二降采样模块,用于从第1级至第i级卷积层的每级卷积层之后,均进行降采样处理。在一种可能的实现方式中,所述去模糊模块用于:利用第三神经网络结合所述参数对所述特征图进行去模糊处理,得到去模糊结果,其中,所述第三神经网络包括至少一级循环神经网络,每级所述循环神经网络后级联至少一个卷积层。在一种可能的实现方式中,所述图像重建模块用于:利用第四神经网络将所述去模糊结果和所述特征图进行融合,得到所述模糊图像对应的清晰图像。根据本公开的另一方面,提供了一种图像去模糊的装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述方法。根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述方法。本公开的各方面的图像去模糊的方法及装置通过对模糊图像进行特征提取,得到反映模糊图像中各个区域空间关系特征的特征图,确定模糊图像中各个区域对应的参数,根据参数对特征图进行去模糊处理,得到去模糊结果,并根据去模糊结果和特征图进行图像重建,得到模糊图像对应的清晰图像,由此能够针对模糊图像中的不同区域采用不同的去模糊处理方式,从而能够准确地去除图像模糊。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。附图说明包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。图1示出根据本公开一实施例的图像去模糊的方法的流程图;图2示出根据本公开一实施例的图像去模糊的方法中利用跳级连接的第二神经网络,获取模糊图像中各个区域对应的参数的一示例性的流程图;图3示出根据本公开一实施例的图像去模糊的装置的框图;图4示出根据本公开一实施例的图像去模糊的装置的一示例性的框图;图5是根据一示例性实施例示出的一种用于图像去模糊的装置800的框图;图6是根据一示例性实施例示出的一种用于图像去模糊的装置1900的框图。具体实施方式以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。图1示出本文档来自技高网...
图像去模糊的方法及装置

【技术保护点】
1.一种图像去模糊的方法,其特征在于,包括:对模糊图像进行特征提取,得到反映所述模糊图像中各个区域空间关系特征的特征图;确定所述模糊图像中所述各个区域对应的参数;根据所述参数对所述特征图进行去模糊处理,得到去模糊结果;根据所述去模糊结果和所述特征图进行图像重建,得到所述模糊图像对应的清晰图像。

【技术特征摘要】
1.一种图像去模糊的方法,其特征在于,包括:对模糊图像进行特征提取,得到反映所述模糊图像中各个区域空间关系特征的特征图;确定所述模糊图像中所述各个区域对应的参数;根据所述参数对所述特征图进行去模糊处理,得到去模糊结果;根据所述去模糊结果和所述特征图进行图像重建,得到所述模糊图像对应的清晰图像。2.根据权利要求1所述的方法,其特征在于,所述确定所述模糊图像中所述各个区域对应的参数,包括:利用跳级连接的第二神经网络,获取所述模糊图像中各个区域对应的参数。3.根据权利要求2所述的方法,其特征在于,所述第二神经网络包括多级卷积层,所述利用跳级连接的第二神经网络,获取所述模糊图像中各个区域对应的参数,包括:将第i级卷积层输出的特征图与第j级卷积层输出的特征图融合,得到第一融合特征图;将所述第一融合特征图输入第n级卷积层,得到所述第n级卷积层输出的特征图;将第m级卷积层输出的特征图与所述第n级卷积层输出的特征图融合,得到第二融合特征图,其中,1<m<i<j<n,且m,i,j,n均为正整数;将所述第二融合特征图输入最后一级卷积层,得到所述模糊图像中各个区域对应的参数。4.根据权利要求1所述的方法,其特征在于,所述根据所述参数对所述特征图进行去模糊处理,得到去模糊结果,包括:利用第三神经网络结合所述参数对所述特征图进行去模糊处理,得到去模糊结果,其中,所述第三神经网络包括至少一级循环神经网络,每级所述循环神经网络后级联至少一个卷积层。5.一种图像去模糊的装置,其特征在于,包括:特征提取模块,用于对模糊图像进行特征提取,得到反映所述模糊图像中各个区域空间关系特征的特征图;参数确定模块,用于确...

【专利技术属性】
技术研发人员:张佳维任思捷罗越
申请(专利权)人:深圳市商汤科技有限公司
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 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。

1