一种二维码去模糊方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种二维码去模糊方法、装置、电子设备及存储介质，包括获取模糊二维码图片；将所述模糊二维码图片输入预先构建并训练过的二维码去模糊模型，实现对模糊二维码图片的修正处理；其中，所述二维码去模糊模型的构建和训练方法，包括：获取二维码去模糊数据集，数据集中包括不同尺度的模糊图像特征图；将所述不同尺度的模糊图像特征图输入预先构建的FPN结构的生成网络模块中进行预训练，生成预训练的二维码去模糊模型；将所述预训练的二维码去模糊模型加入预先建立的双尺度判别器进行训练，获得训练完成的二维码去模糊模型，本发明专利技术能够显著提升对于模糊二维码的修正能力。能力。能力。

【技术实现步骤摘要】
一种二维码去模糊方法、装置、电子设备及存储介质


[0001]本专利技术涉及一种二维码去模糊方法、装置、电子设备及存储介质，属于工业物联网


技术介绍

[0002]如今，二维码已广泛应用于工业物联网领域，越来越多的工厂、物流管理使用二维码来存储信息，然而二维码图像很容易因为扫码设备抖动、设备和物体之间的相对运动和成像系统退化等因素出现模糊的情况，这会导致无法及时获取二维码上完备的信息，影响工业生产活动。这也使得二维码去模糊的研究作为一个新的研究方向越来越受到人们的关注。
[0003]随着深度学习算法和专用神经网络处理器的出现，深度学习技术应用到各行各业，图像去模糊技术同样也在卷积神经网络提出后得到了飞速的发展和长足的进步。目前的去模糊算法大致可以分成两种类别：盲去卷积和非盲去卷积。这两类去模糊算法的类别的区分核心在于是否知道模糊图像的模糊核，其中盲去卷积顾名思义就是在不知道模糊核和其它信息的情况下将模糊图像复原成清晰图像；而对于非盲去卷积而言，就是在去模糊之前，已经提供了模糊核的信息，这样的话再进行图像去卷积，相对来说就会很容易。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种二维码去模糊方法，其特征在于，包括：获取模糊二维码图片；将所述模糊二维码图片输入预先构建并训练过的二维码去模糊模型，实现对模糊二维码图片的修正处理；其中，所述二维码去模糊模型的构建和训练方法，包括：获取二维码去模糊数据集，数据集中包括不同尺度的模糊图像特征图；将所述不同尺度的模糊图像特征图输入预先构建的FPN结构的生成网络模块中进行预训练，生成预训练的二维码去模糊模型；将所述预训练的二维码去模糊模型加入预先建立的双尺度判别器进行训练，获得训练完成的二维码去模糊模型。2.根据权利要求1所述的二维码去模糊方法，其特征在于，所述FPN结构的生成网络模块包括多尺度特征FPN框架和轻量级MobileNetV3主干网，所述轻量级MobileNetV3主干网共有16层，其中第一层设有一个卷积层，第二层到第十二层由bneck模块构成，第十三层为一个卷积层，第十四层为平均池化层，第十五层、十六层由两个1x1卷积核构成。3.根据权利要求1所述的二维码去模糊方法，其特征在于，将所述不同尺度的模糊图像特征图输入预先构建的FPN结构的生成网络模块中进行预训练时，采用L1损失函数：L1(f(x),y)＝∑|y
‑
f(x)|其中x表示输入的模糊图片，f(x)表示去模糊的图片，y表示与模糊图片对应的清晰图片。4.根据权利要求1所述的二维码去模糊方法，其特征在于，所述双尺度判别器分别为尺寸70x70的局部特征判别器和256x256的全局图像判别器，两个判别器结构相同，判别器包含5层卷积模块，其中第一层卷积模块和第5层卷积模块由零填充函数ZeroPad2d和3x3大小的卷积核构成，第二层到第四层卷积模块加入了归一化函数BatchNorm2d。5.根据权利要求1所述的二维码去模糊方法，其特征在于，将所述预训练的二维码去模糊模型加入预先建立的双尺度判别器进行训练时，训练过程损失函数包含像素空间损失函数、内容损失函数和对抗损失函数：像素空间损失函数为：其中S表示清晰图片，G(B)表示通过生成网络的去模糊图片，W、H表示图片维度；对抗损失函数为：L
adv
＝E
S～Psharp(S)
[(D(S)
‑
E
B～Pblurred(B)
D(G(B))
‑
1)2]+E
B
‑
Pblurred(B)
[(D(G(B))
‑
E
S
‑
Psharp(S)
D(S)+1)2]其中S表示与输入模糊二维码图片相对应的清晰二维码图片，B表示输入的模糊二维码图片，D(G(B))表示将生成网络去...

【专利技术属性】
技术研发人员：孙科学，蒋志鹏，成谢锋，谷文成，崔国权，哈文嘉，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：