一种基于失真估计的图像复原方法及装置制造方法及图纸

本发明专利技术公开了一种基于失真估计的图像复原方法及装置，所述方法包括：从原始图像中提取图像特征，得到图像特征图；将所述图像特征图输入失真因子估计模块，得到由引起所述原始图像失真的一个或多个因子组成的失真向量；将所述失真向量及所述图像特征图输入图像重建模块，由所述图像重建模块去除相应的失真，并进行图像重建，得到所述原始图像对应的残差图像；基于所述残差图像，得到与所述原始图像对应的复原图像。所述方法能够对一种或多种混合失真进行处理，适用性及通用性均较强。适用性及通用性均较强。适用性及通用性均较强。

【技术实现步骤摘要】
一种基于失真估计的图像复原方法及装置


[0001]本专利技术涉及图像处理领域，具体涉及一种基于失真估计的图像复原方法及装置。

技术介绍

[0002]图像复原是图像处理领域一类非常重要的处理技术，其目的是利用失真图像重建出高质量的清晰图像。目前，图像复原技术已经广泛应用于航空航天、军事公安、生物医学、工业生产等领域，有广阔的应用前景。
[0003]当前的图像复原方法大多是针对单一失真图像复原问题，例如图像去噪、图像去模糊和JPEG压缩失真去除等。然而，在实际场景中图像大多经历多种混合失真，针对单一失真图像所设计的图像复原方法不再适用。
[0004]近年来，众多研究者针对混合失真图像的复原方法进行了研究，当前的复原方法大致可以分为两类：一是能够处理特定混合失真的图像复原方法，二是能够处理未知失真类型的混合失真图像复原方法。
[0005]能够处理特定混合失真的图像复原方法需要预定义失真类型，然后采用不同的策略对特定的混合失真图像进行复原。2018年Yu K等人在《Crafting a Toolchain for Image R本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于失真估计的图像复原方法，其特征在于，包括：步骤S1：获取原始图像，并从所述原始图像中提取图像特征，得到图像特征图；步骤S2：将所述图像特征图输入失真因子估计模块，对引起所述原始图像失真的一个或多个因子进行估计，得到由所述引起所述原始图像失真的一个或多个因子组成的失真向量；所述失真因子估计模块包括卷积层、全局平均池化层、全连接层，每个因子对应一种引起图像失真的类型；步骤S3：将所述失真向量及所述图像特征图输入图像重建模块，由所述图像重建模块去除相应的失真，并进行图像重建，得到所述原始图像对应的残差图像；基于所述残差图像，得到与所述原始图像对应的复原图像；其中，所述图像重建模块包括用于去除失真及进行图像重建的注意力卷积块。2.如权利要求1所述的方法，其特征在于，所述因子估计模块包括依次连接的第一卷积层、全局平均池化层，第一全连接层、第一ReLU激活函数层、第二全连接层、第二ReLU激活函数层、第三全连接层、以及Sigmoid激活函数层，其中，所述因子估计模块输入失真图像，失真图像经过所述因子估计模块处理后，输出一个元素个数为k的失真向量，失真因子是向量中的各个元素，实现对引起所述原始图像失真的一个或多个因子的估计。3.如权利要求1所述方法，其特征在于，所述图像重建模块包括依次连接的n个注意力卷积块、第二卷积层、第三ReLU激活函数层、以及第三卷积层。4.如权利要求3所述的方法，其特征在于，所述注意力卷积块用于去除失真及进行图像重建；所述注意力卷积块包括重建分支和调节分支；所述重建分支用于接收所述图像特征图或当前注意力卷积块的前一级注意力卷积块输出的特征图；若当前注意力卷积块为第一级注意力卷积块，则输入为所述图像特征图；若当前注意力卷积块为非第一级注意力卷积块，则输入为所述当前注意力卷积块的前一级注意力卷积块输出的特征图；所述重建分支包括注意力子支及非注意力子支，所述注意力子支包括依次相连的第四卷积层、第四ReLU激活函数层、第五卷积层、空间注意力模块及通道注意力模块，所述注意力子支用于去除失真并重建图像，输出注意力子支残差特征图，所述空间注意力模块用于增强空间中的图像纹理、细节信息，抑制空间中的噪声，所述通道注意力模块用于增强含有图像纹理、细节信息的通道，抑制含有噪声的干扰信息的通道，输出注意力子支残差特征图；其中，所述注意力卷积块用于与所述调节分支的第一失真因子注意力模块的输出相乘，得到第一融合结果；所述非注意力子支用于接收所述图像特征图或当前注意力卷积块的前一级注意力卷积块输出的特征图；若当前注意力卷积块为第一级注意力卷积块，则输入为所述图像特征图；...

【专利技术属性】
技术研发人员：侯舒娟，王宇航，李海，张钦，宋政育，武毅，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：