本发明专利技术提供一种模糊花粉图片处理方法、装置及电子设备，该方法包括：将待处理的模糊花粉图片输入自编码生成器模型，输出清晰花粉图片；其中，所述自编码生成器模型是以模糊花粉图片为样本，以与所述模糊花粉图片对应的清晰花粉图片为标签，进行监督训练后得到；所述自编码生成器模型包括编码器层、多尺度特征匹配层和纹理迁移层。实现对模糊花粉图片的去模糊处理，有助于提高花粉识别的准确率和效率，为准确快速的进行花粉浓度预报提供了前提条件。准确快速的进行花粉浓度预报提供了前提条件。准确快速的进行花粉浓度预报提供了前提条件。
【技术实现步骤摘要】
模糊花粉图片处理方法、装置及电子设备
[0001]本专利技术涉及图像处理
，尤其涉及一种模糊花粉图片处理方法、装置及电子设备。
技术介绍
[0002]随着城市绿化水平的不断提高，春秋季节空气中会充斥着大量的致敏花粉，花粉直径一般在30～50微米，它们在空气中飘散时，极易被人吸进呼吸道内，有花粉过敏史的人吸入这些花粉后，会产生过敏反应，严重影响患者的正常生活。目前，一种收集花粉图片的方法是将吸附有花粉的载玻片放置在电子显微镜下拍摄成片，由于花粉吸附过程掺杂灰尘以及对玻片拍摄时对焦不成功的原因，拍摄结果就会出现大量的模糊花粉图像。有效的花粉种类识别和浓度监测可以降低过敏发病率。
[0003]花粉去模糊的主要任务是将模糊花粉恢复到潜在的清晰水平。传统的去模糊方法主要集中利用滤波函数对花粉进行去噪去模糊，例如维纳滤波法、约束最小二乘法、插值法等，都难以取得令人满意的结果。目前应用比较多的是基于深度学习的生成对抗网络方法，通过训练生成器对模糊花粉的纹理模拟生成，利用鉴别器进行迭代优化，最终达到去模糊的目的。然而在生成器中由于对花粉估计模糊核半径和位置的偏差、反卷积偏差和多个批量正则化结构的影响，导致生成的花粉出现棋盘格偏差和颜色失真干扰。而且鉴别器中只对生成花粉图片和清晰花粉求取距离相似度，导致花粉特征提取被忽略。
技术实现思路
[0004]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图片处理方法、装置及电子设备。
[0005]第一方面，本专利技术提供一种模糊花粉图片处理方法，包括：
[0006]将待处理的模糊花粉图片输入自编码生成器模型，输出清晰花粉图片；
[0007]其中，所述自编码生成器模型是以模糊花粉图片为样本，以与所述模糊花粉图片对应的清晰花粉图片为标签，进行监督训练后得到；所述自编码生成器模型包括编码器层、多尺度特征匹配层和纹理迁移层。
[0008]可选地，所述编码器层包括卷积层、残差层和跳跃连接层；所述编码器层基于所述模糊花粉图片和与所述模糊花粉图片对应的清晰花粉图片，生成所述模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图，并输出至多尺度特征匹配层。
[0009]可选地，所述多尺度特征匹配层用于将所述模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图分别依次进行上采样和下采样，获得采样后的模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图；
[0010]将所述采样后的模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图分别划分多个区块，计算所述模糊花粉图片的特征图中各区块与所述模糊花粉图片对应的清晰花粉图片中各区块的特征相似度；
[0011]基于最大特征相似度确定所述模糊花粉图片的特征图中各区块与所述模糊花粉图片对应的清晰花粉图片中各区块的对应关系，并输出至纹理迁移层。
[0012]可选地，所述计算所述模糊花粉图片的特征图中各区块与所述模糊花粉图片对应的清晰花粉图片中各区块的特征相似度，具体为：
[0013][0014]其中，S
j
(x,y)表示以(x,y)为中心的I
LR
↑
块和第j个I
Ref
↓↑
之间的特征相似度，P
(x,y)
表示以(x,y)坐标为中心的块，P
j
表示第j个块，I
Ref
↓↑
表示清晰花粉的特征块上采样和下采样结果，I
LR
↑
表示模糊花粉的特征块上采样和下采样结果，I
LR
↑
表示模糊花粉的特征块上采样和下采样结果，φ(I
Ref
↓↑
)表示块的特征图，P
(x,y)
φ(I
LR
↑
)表示以(x,y)坐标为中心的模糊块I
LR
↑
的特征图，表示I
Ref
↓↑
的第j块被规范化。
[0015]可选地，所述纹理迁移层用于基于所述调整后的所述模糊花粉图片的特征图中各区块与所述模糊花粉图片对应的清晰花粉图片中各区块的对应关系，将模糊花粉图片上的各区块用与其对应的清晰花粉图片中的区块进行替换，生成清晰花粉图片。
[0016]可选地，所述生成清晰花粉图片，具体为：
[0017][0018]其中，I
SR
表示生成的清晰花粉图，表示前一层的特征图输入，M
L-1
表示该层的特征图中各区块与清晰花粉图片的特征图中各区块的对应关系，Res表示输入到残差层计算，λ表示映射系数。
[0019]第二方面，本专利技术提供一种模糊花粉图片处理装置，包括：
[0020]输入模块，用于将待处理的模糊花粉图片输入自编码生成器模型；
[0021]输出模块，用于输出清晰花粉图片；
[0022]其中，所述自编码生成器模型是以模糊花粉图片为样本，以与所述模糊花粉图片对应的清晰花粉图片为标签，进行监督训练后得到；所述自编码生成器模型包括依次连接的编码器层、多尺度特征匹配层和纹理迁移层。
[0023]可选地，所述编码器层包括卷积层、残差层和跳跃连接层；所述编码器层基于所述模糊花粉图片和与所述模糊花粉图片对应的清晰花粉图片，生成所述模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图，并输出至多尺度特征匹配层。
[0024]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。
[0025]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。
[0026]本专利技术提供的模糊花粉图片处理方法、装置及电子设备，该方法将待处理的模糊花粉图片输入自编码生成器模型，所述自编码生成器模型的编码器层、多尺度特征匹配层和纹理迁移层分别对所述待处理的模糊花粉图片进行处理，输出清晰花粉图片，从而实现
对模糊花粉图片的去模糊处理，有助于提高花粉识别的准确率和效率，为准确快速的进行花粉浓度预报提供了前提条件。
附图说明
[0027]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0028]图1是本专利技术提供的模糊花粉图片处理方法的流程示意图；
[0029]图2是本专利技术提供的编码层的结构示意图；
[0030]图3是本专利技术提供的模糊花粉图片处理装置的结构示意图；
[0031]图4是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0032]为使本专利技术本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模糊花粉图片处理方法，其特征在于，包括：将待处理的模糊花粉图片输入自编码生成器模型，输出清晰花粉图片；其中，所述自编码生成器模型是以模糊花粉图片为样本，以与所述模糊花粉图片对应的清晰花粉图片为标签，进行监督训练后得到；所述自编码生成器模型包括编码器层、多尺度特征匹配层和纹理迁移层。2.根据权利要求1所述的模糊花粉图片处理方法，其特征在于，所述编码器层包括卷积层、残差层和跳跃连接层；所述编码器层基于所述模糊花粉图片和与所述模糊花粉图片对应的清晰花粉图片，生成所述模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图，并输出至多尺度特征匹配层。3.根据权利要求2所述的模糊花粉图片处理方法，其特征在于，所述多尺度特征匹配层用于将所述模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图分别依次进行上采样和下采样，获得采样后的模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图；将所述采样后的模糊花粉图片的特征图和与所述模糊花粉图片对应的清晰花粉图片的特征图分别划分多个区块，计算所述模糊花粉图片的特征图中各区块与所述模糊花粉图片对应的清晰花粉图片中各区块的特征相似度；基于最大特征相似度确定所述模糊花粉图片的特征图中各区块与所述模糊花粉图片对应的清晰花粉图片中各区块的对应关系，并输出至纹理迁移层。4.根据权利要求3所述的模糊花粉图片处理方法，其特征在于，所述计算所述模糊花粉图片的特征图中各区块与所述模糊花粉图片对应的清晰花粉图片中各区块的特征相似度，具体为：其中，S
j
(x,y)表示以(x,y)为中心的I
LR
↑
块和第j个I
Ref
↓↑
之间的特征相似度，P
(x,y)
表示以(x,y)坐标为中心的块，P
j
表示第j个块，I
Ref
↓↑
表示清晰花粉的特征块上采样和下采样结果，I
LR
↑
表示模糊花粉的特征块上采样和下采样结果，I
LR
↑
表示模糊花粉的特征块上采样和下采样...
【专利技术属性】
技术研发人员：徐昊，李娟，李建强，王全增，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
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。