模糊花粉颗粒图片处理方法、装置和电子设备制造方法及图纸

本发明专利技术提供一种模糊花粉颗粒图片处理方法、装置和电子设备，将待处理的模糊花粉颗粒图片输入生成对抗网络模型，输出清晰花粉颗粒图片；其中，生成对抗网络模型是以模糊花粉颗粒图片和与模糊花粉颗粒图片对应的清晰花粉颗粒图片为样本数据进行无监督训练后得到；与模糊花粉颗粒图片对应的清晰花粉颗粒图片为不同类别的清晰花粉颗粒图片中，与模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片。节省了真实成对数据的构建成本，缓解了成对数据难以获取的难题，而且也有效地规避了合成数据和真实数据之间数据分布的不一致性，提高模型在真实模糊数据上的去模糊效果。型在真实模糊数据上的去模糊效果。型在真实模糊数据上的去模糊效果。

【技术实现步骤摘要】
模糊花粉颗粒图片处理方法、装置和电子设备


[0001]本专利技术涉及图像处理
，尤其涉及一种模糊花粉颗粒图片处理方法、装置和电子设备。

技术介绍

[0002]近年来，在城市化建设过程中植物种植区域的扩展已经成为城市化建设不可缺少的一环。但是，随着植物种植区域的扩展，大量致敏植物的花粉飘散在空气中会大大提高花粉过敏患者的发病率，这会严重影响过敏患者的日常生活。然而，有效的花粉浓度预报可以大大降低过敏患者的发病率。但有效进行花粉浓度预报的重要前提是能够对花粉颗粒进行准确地识别，而清晰的花粉颗粒图片又是进行花粉颗粒识别任务的基础。因而花粉颗粒图片的去模糊任务成了重中之重。
[0003]花粉颗粒图片去模糊是属于一种图片修复，目前大部分图像去模糊算法都需要成对的数据来训练模型，但是成对数据的获取成本较高，并且在很多情况下甚至不存在这样的成对数据，所以这类算法普遍的解决措施是采用合成数据对的方法来构造用于模型训练的成对数据。
[0004]然而，采用合成数据对的去模糊算法虽然在一定程度上解决了成对数据不可用的问题，但是这类算法在真实数据上的表现并不令人满意。原因在于合成数据和真实数据之间切实存在的数据分布差异，这一差异的存在就导致模型的最终训练结果也仅仅只是较好地拟合合成数据的数据分布，却对真实数据的拟合效果不佳，导致模型在真实模糊数据上的去模糊效果较差。

技术实现思路

[0005]针对现有技术存在的上述技术问题，本专利技术提供一种模糊花粉颗粒图片处理方法、装置和电子设备。
[0006]第一方面，本专利技术提供一种模糊花粉颗粒图片处理方法，包括：
[0007]将待处理的模糊花粉颗粒图片输入生成对抗网络模型，输出清晰花粉颗粒图片；
[0008]其中，所述生成对抗网络模型是以模糊花粉颗粒图片和与所述模糊花粉颗粒图片对应的清晰花粉颗粒图片为样本数据进行无监督训练后得到；所述与所述模糊花粉颗粒图片对应的清晰花粉颗粒图片为不同类别的清晰花粉颗粒图片中，与所述模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片。
[0009]可选地，所述与所述模糊花粉颗粒图片对应的清晰花粉颗粒图片为不同类别的清晰花粉颗粒图片中，与所述模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片，包括：
[0010]将不同类别的清晰花粉颗粒图片输入编码器，输出不同类别的清晰花粉颗粒图片的特征图；
[0011]将所述模糊花粉颗粒图片输入编码器，输出模糊花粉颗粒图片的特征图；
[0012]计算所述不同类别的清晰花粉颗粒图片的特征图与所述模糊花粉颗粒图片的特征图之间的特征相似度；
[0013]确定与所述模糊花粉颗粒图片的特征图之间的特征相似度最大的清晰花粉颗粒图片的特征图对应的清晰花粉颗粒图片为与所述模糊花粉颗粒图片对应清晰花粉颗粒图片。
[0014]可选地，所述生成对抗网络模型包括生成器和判别器；
[0015]所述生成对抗网络模型是以模糊花粉颗粒图片和与所述模糊花粉颗粒图片对应清晰花粉颗粒图片为样本数据进行无监督训练后得到，包括：
[0016]所述模糊花粉颗粒图片用于训练所述生成器，所述与所述模糊花粉颗粒图片对应清晰花粉颗粒图片用于训练所述判别器；
[0017]所述生成器基于所述模糊花粉颗粒图片生成清晰花粉颗粒图片，所述判别器基于与所述模糊花粉颗粒图片对应清晰花粉颗粒图片判别所述生成器生成的清晰花粉颗粒图片是否准确，若是，则训练结束；若否，则继续训练。
[0018]可选地，所述模糊花粉颗粒图片用于训练所述生成器，所述与所述模糊花粉颗粒图片对应清晰花粉颗粒图片用于训练所述判别器，具体为：
[0019]L
D
＝E
s～p(s)
[log D(s)]+E
b～p(b)
[log(1-D(G(E(b))))]；
[0020]其中，L
D
表示判别器的损失函数，D表示判别器，G表示生成器，E表示编码器，s表示与模糊花粉颗粒图片特征相似度最高的清晰花粉颗粒图片，b表示模糊花粉颗粒图片，p(s)和p(b)分别代表清晰花粉颗粒图片的概率分布和模糊花粉颗粒图片的概率分布。
[0021]可选地，所述计算所述不同类别的清晰花粉颗粒图片的特征图与所述模糊花粉颗粒图片的特征图之间的特征相似度，具体为：
[0022][0023]其中，L
s
表示模糊花粉颗粒图片和清晰花粉颗粒图片之间的特征差异值，Φ
i
(s)表示清晰花粉颗粒图片第i层的特征图，Φ
i
(b)表示模糊花粉颗粒图片第i层的特征图，M
i
表示第i层特征图的大小。
[0024]可选地，所述将不同类别的清晰花粉颗粒图片输入编码器之前，还包括：
[0025]对所述不同类别的清晰花粉颗粒图片进行裁剪；
[0026]对数量小于预设值的类别的清晰花粉颗粒图片进行随机水平旋转。
[0027]第二方面，本专利技术提供一种模糊花粉颗粒图片处理装置，包括：
[0028]输入模块，用于将待处理的模糊花粉颗粒图片输入生成对抗网络模型；
[0029]输出模块，用于输出清晰花粉颗粒图片；
[0030]其中，所述生成对抗网络模型是以模糊花粉颗粒图片和与所述模糊花粉颗粒图片对应清晰花粉颗粒图片为样本数据进行无监督训练后得到；所述与所述模糊花粉颗粒图片对应清晰花粉颗粒图片为不同类别的清晰花粉颗粒图片中，与所述模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片。
[0031]可选地，所述与所述模糊花粉颗粒图片对应清晰花粉颗粒图片为不同类别的清晰花粉颗粒图片中，与所述模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片，包括：
[0032]将不同类别的清晰花粉颗粒图片输入编码器，输出不同类别的清晰花粉颗粒图片
的特征图；
[0033]将所述模糊花粉颗粒图片输入编码器，输出模糊花粉颗粒图片的特征图；
[0034]计算所述不同类别的清晰花粉颗粒图片的特征图与所述模糊花粉颗粒图片的特征图之间的特征相似度；
[0035]确定与所述模糊花粉颗粒图片的特征图之间的特征相似度最大的清晰花粉颗粒图片的特征图对应的清晰花粉颗粒图片为与所述模糊花粉颗粒图片对应清晰花粉颗粒图片
[0036]第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
[0037]第四方面，本专利技术提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
[0038]本专利技术提供的模糊花粉颗粒图片处理方法、装置和电子设备，该方法将模糊花粉颗粒图片和与所述模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片构成伪数据对，用于训练生成对抗网络模型，以实现对模糊花粉颗粒图片的去模糊处理，节省了真实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模糊花粉颗粒图片处理方法，其特征在于，包括：将待处理的模糊花粉颗粒图片输入生成对抗网络模型，输出清晰花粉颗粒图片；其中，所述生成对抗网络模型是以模糊花粉颗粒图片和与所述模糊花粉颗粒图片对应的清晰花粉颗粒图片为样本数据进行无监督训练后得到；所述与所述模糊花粉颗粒图片对应的清晰花粉颗粒图片为不同类别的清晰花粉颗粒图片中，与所述模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片。2.根据权利要求1所述的模糊花粉颗粒图片处理方法，其特征在于，所述与所述模糊花粉颗粒图片对应的清晰花粉颗粒图片为不同类别的清晰花粉颗粒图片中，与所述模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片，包括：将不同类别的清晰花粉颗粒图片输入编码器，输出不同类别的清晰花粉颗粒图片的特征图；将所述模糊花粉颗粒图片输入编码器，输出模糊花粉颗粒图片的特征图；计算所述不同类别的清晰花粉颗粒图片的特征图与所述模糊花粉颗粒图片的特征图之间的特征相似度；确定与所述模糊花粉颗粒图片的特征图之间的特征相似度最大的清晰花粉颗粒图片的特征图对应的清晰花粉颗粒图片为与所述模糊花粉颗粒图片对应清晰花粉颗粒图片。3.根据权利要求2所述的模糊花粉颗粒图片处理方法，其特征在于，所述生成对抗网络模型包括生成器和判别器；所述生成对抗网络模型是以模糊花粉颗粒图片和与所述模糊花粉颗粒图片对应清晰花粉颗粒图片为样本数据进行无监督训练后得到，包括：所述模糊花粉颗粒图片用于训练所述生成器，所述与所述模糊花粉颗粒图片对应清晰花粉颗粒图片用于训练所述判别器；所述生成器基于所述模糊花粉颗粒图片生成清晰花粉颗粒图片，所述判别器基于与所述模糊花粉颗粒图片对应清晰花粉颗粒图片判别所述生成器生成的清晰花粉颗粒图片是否准确，若是，则训练结束；若否，则继续训练。4.根据权利要求3所述的模糊花粉颗粒图片处理方法，其特征在于，所述模糊花粉颗粒图片用于训练所述生成器，所述与所述模糊花粉颗粒图片对应清晰花粉颗粒图片用于训练所述判别器，具体为：L
D
＝E
s～p(s)
[log D(s)]+E
b～p(b)
[log(1-D(G(E(b))))]；其中，L
D
表示判别器的损失函数，D表示判别器，G表示生成器，E表示编码器，s表示与模糊花粉颗粒图片特征相似度最高的清晰花粉颗粒图片，b表示模糊花粉颗粒图片，p(s)和p(b)分别代表清晰花粉颗粒图片的概率分布...

【专利技术属性】
技术研发人员：李建强，杨鑫，王全增，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：