【技术实现步骤摘要】
一种车牌图像的模糊图像生成方法
[0001]本专利技术属于计算机视觉、深度学习
,具体涉及一种车牌图像的模糊图像生成方法。
技术介绍
[0002]使用深度学习方法进行图像去模糊时,需要使用大量图像内容相同的清晰
‑
模糊配对图像数据进行模型的训练和测试,但是,大批量收集真实场景下的清晰
‑
模糊配对图像数据难度大,或者现实中无法大批量收集。现有清晰
‑
模糊配对图像数据获取方法主要是:通过单一模糊算法,将清晰图像生成模糊图像。此种方法形成的配对模糊图像的模式过于单一,无法模拟真实环境中复杂的模糊图像,由此种数据训练的模型在真实场景中图像去模糊效果不理想。
技术实现思路
[0003]针对现有技术存在的缺陷,本专利技术提供一种车牌图像的模糊图像生成方法,可有效解决上述问题。
[0004]本专利技术采用的技术方案如下:
[0005]本专利技术提供一种车牌图像的模糊图像生成方法,包括以下步骤:
[0006]步骤1,建立非真实场景的清晰
‑
模糊图像对样本集合S;
[0007]所述非真实场景的清晰
‑
模糊图像对样本集合S表示为:S={(s
01
,s
11
),(s
02
,s
12
),....(s
0n
,s
1n
)};其中,n代表样本集合S中的清晰
‑
模糊图像对的数量;令i ...
【技术保护点】
【技术特征摘要】
1.一种车牌图像的模糊图像生成方法,其特征在于,包括以下步骤:步骤1,建立非真实场景的清晰
‑
模糊图像对样本集合S;所述非真实场景的清晰
‑
模糊图像对样本集合S表示为:S={(s
01
,s
11
),(s
02
,s
12
),....(s
0n
,s
1n
)};其中,n代表样本集合S中的清晰
‑
模糊图像对的数量;令i=1,2,...,n,第i个清晰
‑
模糊图像对(s
0i
,s
1i
)含义为:s
0i
代表第i个清晰
‑
模糊图像对中的清晰图像样本,s
1i
代表第i个清晰
‑
模糊图像对中的模糊图像样本,并且,清晰图像样本s
0i
和模糊图像样本s
1i
为配对图像,图像内容相同,仅清晰度不相同;模糊图像样本s
1i
获取方法为:通过模糊算法对清晰图像样本s
0i
进行模糊处理后生成的模糊图像;步骤2,构建模糊图像生成器模型;所述模糊图像生成器模型包括:生成器、鉴别器、鉴别器优化器和生成器优化器;步骤3,采用步骤1建立的非真实场景的清晰
‑
模糊图像对样本集合S,预训练所述模糊图像生成器模型,得到预训练后的模糊图像生成器模型;对所述模糊图像生成器模型进行预训练的训练方法为:步骤3.1,令k=1;步骤3.2,将清晰图像样本s
0k
输入生成器;所述生成器对所述清晰图像样本s
0k
进行特征提取,输出与清晰图像样本s
0k
相同尺寸的生成图像U
0k
;步骤3.3,将所述生成图像U
0k
输入鉴别器;所述鉴别器对所述生成图像U
0k
进行多次下采样,并进一步提取所述生成图像U
0k
的抽象特征信息,输出特征向量W
0k
;将所述模糊图像样本s
1k
输入鉴别器;所述鉴别器对所述模糊图像样本s
1k
进行多次下采样,并进一步提取所述模糊图像样本s
1k
的抽象特征信息,输出特征向量W
1k
;步骤3.4,令k=k+1,判断k是否大于n;如果不大于,则返回步骤3.2;如此不断循环,直到当k大于n时,执行步骤3.5;步骤3.5,由此得到n组特征向量,分别为:(W
01
,W
11
),(W
02
,W
12
),...,(W
0n
,W
1n
);步骤3.6,计算每组特征向量的偏差,并求和,得到总偏差;根据总偏差,分别得到鉴别器损失函数D_loss和生成器损失函数...
【专利技术属性】
技术研发人员:杨一明,瞿洪桂,隋煜,
申请(专利权)人:北京中电兴发科技有限公司,
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。