一种基于非对称U-Net网络的动态场景盲去模糊方法技术

本发明专利技术属于图像处理技术领域，具体涉及一种基于非对称U

【技术实现步骤摘要】
一种基于非对称U
‑
Net网络的动态场景盲去模糊方法


[0001]本专利技术属于图像处理
，具体涉及一种基于非对称U
‑
Net网络的动态场景盲去模糊方法。

技术介绍

[0002]在动态场景的成像过程中多物体运动或相机抖动导致的图像模糊是一个高度不适定逆问题，是一种空间变化的模糊。为从动态场景中获取清晰的图像，需采用动态场景盲去模糊方法去除模糊。
[0003]现有的动态场景盲去模糊方法主要分为两类：基于优化的方法与基于学习的方法。现有技术中，有很多基于优化的方法，例如，一种方法把对噪声高斯分布的约束表示为不同阶的导数，以定义似然函数，另外为了抑制振铃伪影而引入了平滑约束项，并采用交替式的优化策略估计模糊核与清晰图像；一种方法首先利用变分贝叶斯估计得到模糊核，并采用由粗到细的策略以避免陷入局部最优解，接着再利用Lucy
‑
Richardson方法重建清晰图像；一种方法根据自然图像具有边缘稀疏性的特点，结合超拉普拉斯先验试图解决由相机抖动造成的模糊和饱和或过度曝光像素导致的图像去模糊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非对称U
‑
Net网络的动态场景盲去模糊方法，其特征在于，包括：获取待去模糊的模糊图像，将模糊图像输入到训练好的基于非对称U
‑
Net网络的动态场景盲去模糊模型中，得到清晰的图像；基于非对称U
‑
Net网络的动态场景盲去模糊模型的训练过程包括：S1：获取模糊图像并将其输入到编码器模块中，得到第一特征图；S2：采用模糊核逆核估计模块对第一特征图进行处理，得到第二特征图；S3：将第二特征图输入到解码器模块中，得到三张推理清晰图像；从三张推理清晰图像中选择图像质量评价指标最高的图像作为最终的清晰图像；S4：根据三张推理清晰图像、真实清晰图像和真实模糊图像计算总损失；根据总损失调整模型参数，得到训练好的基于非对称U
‑
Net网络的动态场景盲去模糊模型。2.根据权利要求1所述的一种基于非对称U
‑
Net网络的动态场景盲去模糊方法，其特征在于，所述编码器模块包括第一编码器、第二编码器和第三编码器；其中，第一编码器包括一层输入通道为3，输出通道为32的3
×
3卷积和3个NAFBlock；第二编码器包括一层输入通道为32，输出通道为64，步幅为2的3
×
3卷积和3个NAFBlock；第三编码器包括一层输入通道为64，输出通道为128，步幅为2的3
×
3卷积和30个NAFBlock。3.根据权利要求1所述的一种基于非对称U
‑
Net网络的动态场景盲去模糊方法，其特征在于，采用模糊核逆核估计模块对第一特征图进行处理的过程包括：第一特征图依次经过一层输入通道与输出通道均为128的3
×
3卷积、2个NAFBlock和一层输入通道为128输出通道为25的3
×
3卷积处理后，得到模糊核；模糊核依次经过一层输入通道与输出通道均为25的3
×
3卷积、2个NAFBlock和一层输入通道为25输出通道为49的3
×
3卷积处理后，得到逆核；采用自适应滤波器卷积层对第一特征图和逆核进行处理，得到第二特征图。4.根据权利要求1所述的一种基于非对称U
‑
Net网络的动态场景盲去模糊方法，其特征在于，所述解码器模块包括第一解码器、第二解码器和第三解码器；其中，第一解码器包括一层输入通道为1...

【专利技术属性】
技术研发人员：唐述，吴杨，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：