The invention relates to the field of digital image processing, in particular to an image deblurring method based on Bi Skip Net, which is a Bi Skip Net network to realize blurred image restoration, aiming at solving the problems of high time complexity, inaccurate texture restoration and grid effect in existing deep learning deblurring algorithms. The invention discloses a Bi Skip Net network as a generation network of GAN (Generative Adversarial Network), aiming at solving the shortcomings of the existing deep learning de-blurring algorithm. By comparing with the existing optimal algorithm, the invention improves the time complexity by 0.1s and the image restoration performance by an average of 1dB.
【技术实现步骤摘要】
一种基于Bi-Skip-Net的图像去模糊算法
本专利技术涉及数字图像处理领域,特别是一种基于Bi-Skip-Net的图像去模糊方法,该方法是通过Bi-Skip-Net网络来实现模糊图像复原。技术背景去模糊技术是图像和视频处理领域被广泛研究的主题。基于相机抖动造成的模糊在一定意义上严重影响图像的成像质量,视觉观感。作为图像预处理领域一个及其重要的分支,去模糊技术的提升直接影响其他计算机视觉算法的性能,如前景分割,物体检测,行为分析等;同时它也影响着图像的编码性能。因此,研究一种高性能的去模糊算法势在必行。文献1-3介绍了图像和视频处理的去模糊技术,深度学习去模糊算法;文献1:KupynO,BudzanV,MykhailychM,etal.DeblurGAN:BlindMotionDeblurringUsingConditionalAdversarialNetworks[J].arXivpreprintarXiv:1711.07064,2017。文献2:NahS,KimTH,LeeKM.Deepmulti-scaleconvolutionalneuralnetworkfordynamicscenedeblurring[C]//CVPR.2017,1(2):3。文献3:SunJ,CaoW,XuZ,etal.Learningaconvolutionalneuralnetworkfornon-uniformmotionblurremoval[C]//ProceedingsoftheIEEEConferenceonComputerVisionandPattern ...
【技术保护点】
1.一种基于Bi‑Skip‑Net的图像去模糊方法,包括如下步骤:1)输入模糊图像,通过卷积核尺寸为7x7,步长为1的卷积层得到浅层特征;2)将浅层特征通过3个残差块得到当前尺度下的深度特征;3)将深度特征进行下采样加残差的模式得到下一个尺度下的浅层特征;4)按照规定的下采样次数n,重复步骤2,3获取不同尺度下的浅层特征和深度特征,并且在最小尺度下不获取深度特征;5)将最小尺度的浅层特征作为基本特征;6)将上一层尺度的浅层特征经过卷积核大小为1x1,步长为1的卷积层得到浅层降维特征;将对应的深度特征经过卷积核大小为3x3,步长为2的卷积层得到深度降维特征,并与基本特征串联进行上采样;将上采样后的特征与浅层降维特征进行串联得到当前尺度下的基本特征;7)重复步骤6直到采样操作截止;8)将得到的基本特征经过卷积核大小为7x7,步长为1的卷积层得到残差特征;9)将残差特征与输入图像相加得到复原图像;10)采用Bi‑Skip‑Net加残差的模式作为生成器。
【技术特征摘要】
1.一种基于Bi-Skip-Net的图像去模糊方法,包括如下步骤:1)输入模糊图像,通过卷积核尺寸为7x7,步长为1的卷积层得到浅层特征;2)将浅层特征通过3个残差块得到当前尺度下的深度特征;3)将深度特征进行下采样加残差的模式得到下一个尺度下的浅层特征;4)按照规定的下采样次数n,重复步骤2,3获取不同尺度下的浅层特征和深度特征,并且在最小尺度下不获取深度特征;5)将最小尺度的浅层特征作为基本特征;6)将上一层尺度的浅层特征经过卷积核大小为1x1,步长为1的卷积层得到浅层降维特征;将对应的深度特征经过卷积核大小为3x3,步长为2的卷积层得到深度降维特征,并与基本特征串联进行上采样;将上采样后的特征与浅层降维特征进行串联得到当前尺度下的基本特征;7)重复步骤6直到采样操作截止;8)将得到的基本特征经过卷积核大小为7x7,步长为1的卷积层得到残差特征;9)将残差特征与输入图像相加得到复原图像;10)采用Bi-Skip-Net加残差的模式作为生成器。2.根据权利要求1所述的图像去模糊方法,其特征在于:步骤4)按照规定的下采样次数为5。3.根据权利要求1所述的图像去模糊方法,其特征在于:所述的Bi-Skip-Net网络由三部分组成...
【专利技术属性】
技术研发人员:李革,张毅伟,王荣刚,王文敏,高文,
申请(专利权)人:北京大学深圳研究生院,
类型:发明
国别省市:广东,44
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。