图像自聚焦方法和图像自聚焦网络、电子设备及存储介质技术

本申请提供一种图像自聚焦方法和图像自聚焦网络、电子设备及存储介质。图像自聚焦方法应用于图像自聚焦网络。图像自聚焦网络包括第一池化层和卷积模块。上述图像自聚焦方法包括：确定第一图像的第一特征图，其中，第一图像为失焦图像；通过第一池化层，在多个尺度上分别对第一特征图进行池化处理，以得到多个第二特征图，其中，多个第二特征图具有多个尺寸；通过卷积模块，对多个第二特征图分别进行卷积处理，以得到多个第三特征图，其中，多个第三特征图分别对应于多个第二特征图；基于第一特征图和多个第三特征图，确定第二图像，其中，第二图像为与第一图像对应的聚焦图像。以此方式，本申请能够实现SAR图像的快速自聚焦。申请能够实现SAR图像的快速自聚焦。申请能够实现SAR图像的快速自聚焦。

【技术实现步骤摘要】
图像自聚焦方法和图像自聚焦网络、电子设备及存储介质


[0001]本申请涉及但不限于图像处理
，尤其涉及一种图像自聚焦方法和图像自聚焦网络、电子设备及存储介质。

技术介绍

[0002]SAR(synthetic aperture radar，合成孔径雷达)是工作在微波波段内的有源雷达，并且具有全天时、全天候的成像能力。SAR可以用在无人机等移动装置上，从而在灾害监测、城市规划等领域发挥重要作用。
[0003]然而，在例如SAR装载在无人机上的情况下，因为空中的无人机容易受到气流扰动而产生颠簸，无人机的运动轨迹会出现误差。这样的误差会导致SAR形成的图像(也可以称为SAR图像)出现失焦现象。相关技术中用于解决SAR图像的失焦问题的方案往往具有复杂的工作原理以及较低的计算效率，因而图像自聚焦速度较慢。
[0004]因此，如何提高SAR图像的自聚焦的速度是亟需解决的问题。

技术实现思路

[0005]本申请提供一种图像自聚焦方法和图像自聚焦网络、电子设备及存储介质，从而实现SAR图像的快速自聚焦。
[0006]在第一方面，本申请提供一种图像自聚焦方法。图像自聚焦方法应用于图像自聚焦网络。图像自聚焦网络包括第一池化层和卷积模块。上述图像自聚焦方法包括：确定第一图像的第一特征图，其中，第一图像为失焦图像；通过第一池化层，在多个尺度上分别对第一特征图进行池化处理，以得到多个第二特征图，其中，第二特征图具有多个尺寸；通过卷积模块，对多个第二特征图分别进行卷积处理，以得到多个第三特征图，其中，多个第三特征图分别对应于多个第三特征图；基于第一特征图和多个第三特征图，确定第二图像，其中，第二图像为与第一图像对应的聚焦图像。
[0007]在一些可能的实施方式中，图像自聚焦网络还可以包括卷积神经网络，卷积神经网络可以包括至少一个卷积层。确定第一图像的第一特征图的操作可以包括：通过卷积神经网络中的至少一个卷积层对第一图像进行卷积处理，以得到第一特征图，其中，第一特征图的尺寸小于第一图像的尺寸。
[0008]在一些可能的实施方式中，第一池化层可以包括多个池化核。多个池化核可以具有不同的尺寸。多个池化核的数量可以与多个第二特征图的数量一致。通过第一池化层，在多个尺度上分别对第一特征图进行池化处理，以得到多个第二特征图的操作包括：通过多个池化核中的每一个池化核，对第一特征图进行池化处理，以得到多个第二特征图中与每一个池化核对应的第二特征图。
[0009]在一些可能的实施方式中，图像自聚焦网络还可以包括上采样层、融合层和反卷积模块。基于第一特征图和多个第三特征图，确定第二图像的操作可以包括：通过上采样层，对多个第三特征图分别进行上采样，以得到多个第四特征图，其中，多个第四特征图与
第一特征图具有相同的尺寸；通过融合层，对第一特征图和多个第四特征图进行融合处理，以得到第五特征图；通过反卷积模块，对第五特征图进行卷积处理，以得到第二图像。
[0010]在一些可能的实施方式中，图像自聚焦方法可以包括：获取样本图像，其中，样本图像包括第一样本图像和第二样本图像，第一样本图像是失焦图像，第二样本图像是与第一样本图像对应的聚焦图像；将第一样本图像输入图像自聚焦网络，以得到第三样本图像；基于第二样本图像和第三样本图像，确定图像自聚焦网络的损失函数；基于损失函数，更新图像自聚焦网络。
[0011]在第二方面，本申请提供一种图像自聚焦网络。上述图像自聚焦网络包括：特征提取模块、第一池化层、卷积模块和图像生成模块。特征提取模块用于确定第一图像的第一特征图，其中，第一图像为失焦图像。第一池化层用于在多个尺度上对第一特征图进行处理，以得到多个第二特征图。多个第二特征图具有多个尺寸。卷积模块用于对多个第二特征图分别进行处理，以得到多个第三特征图。多个第三特征图分别对应于多个第二特征图。图像生成模块用于基于第一特征图和多个第三特征图，确定第二图像，其中，第二图像为与第一图像对应的聚焦图像。
[0012]在一些可能的实施方式中，特征提取模块可以包括卷积神经网络，卷积神经网络可以包括至少一个卷积层。至少一个卷积层用于对第一图像进行卷积处理，以得到第一特征图。所述第一特征图的尺寸小于第一图像的尺寸。
[0013]在一些可能的实施方式中，第一池化层可以包括多个池化核。多个池化核可以具有不同的尺寸。多个池化核的数量可以与多个第二特征图的数量一致。多个池化核中的每一个池化核用于对第一特征图进行池化处理，以得到多个第二特征图中与每一个池化核对应的第二特征图。
[0014]在一些可能的实施方式中，图像生成模块可以包括上采样层、融合层和反卷积模块。上采样层用于对多个第三特征图分别进行上采样，以得到多个第四特征图。多个第四特征图与第一特征图具有相同的尺寸。融合层用于对第一特征图和多个第四特征图进行融合处理，以得到第五特征图。反卷积模块用于对第五特征图进行处理，以得到第二图像。
[0015]在第三方面，本申请提供一种电子设备。上述电子设备包括：处理器；存储器，连接到处理器并且被配置为存储可执行指令。处理器被配置为：执行可执行指令时，实现如第一方面及其可能的实施方式中任一项所述的图像自聚焦方法。
[0016]在第四方面，本申请提供一种计算机可读存储介质。存储介质存储有可执行指令。可执行指令被处理器执行时实现如第一方面及其可能的实施方式中任一项所述的图像自聚焦方法。
[0017]本申请提供的技术方案可以包括以下有益效果。
[0018]在本申请中，失焦图像可以是SAR图像中的失焦部分。作为失焦图像的第一图像作为输入进入图像自聚焦网络；在图像自聚焦网络中，通过第一池化层在多个尺度上分别对第一图像的第一特征图进行池化处理以得到具有不同尺度的多个第二特征图，之后对具有不同尺度的多个第二特征图分别进行特征提取处理，最后将处理之后的第二特征图与第一特征图进行结合和卷积以得到第二图像。所得到的第二图像即为失焦图像对应的聚焦图像。以此方式，由于多个第二特征图具有不同尺度，更多的上下文信息能够被引入，从而更好地恢复SAR图像中的失焦部分，提高了SAR图像的自聚焦精度。此外，图像自聚焦网络中包
括第一池化层和卷积模块，则基于此图像自聚焦网络的图像自聚焦方法所需的计算量更小，从而加快了SAR图像的自聚焦速度，提高了自聚焦效率。
[0019]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0021]图1示出了本申请实施例中的一种图像自聚焦网络的结构图。
[0022]图2示出了本申请实施例中的一种图像自聚焦网络的第一池化层的具体示例的结构图。
[0023]图3示出了本申请实施例中的一种图像自聚焦网络的卷积模块的具体示例的结构图。
[0024]图4示出了本申请实施例中的一种图像自聚焦网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像自聚焦方法，其特征在于，所述图像自聚焦方法应用于图像自聚焦网络，其中，所述图像自聚焦网络包括第一池化层和卷积模块；其中，所述图像自聚焦方法包括：确定第一图像的第一特征图，其中，所述第一图像为失焦图像；通过所述第一池化层，在多个尺度上分别对所述第一特征图进行池化处理，以得到多个第二特征图，其中，所述多个第二特征图具有多个尺寸；通过所述卷积模块，对所述多个第二特征图分别进行卷积处理，以得到多个第三特征图，其中，所述多个第三特征图分别对应于所述多个第二特征图；基于所述第一特征图和所述多个第三特征图，确定第二图像，其中，所述第二图像为与所述第一图像对应的聚焦图像。2.根据权利要求1所述的方法，其特征在于，所述图像自聚焦网络还包括卷积神经网络，所述卷积神经网络包括至少一个卷积层；其中，所述确定所述第一图像的第一特征图，包括：通过所述卷积神经网络中的所述至少一个卷积层对所述第一图像进行卷积处理，以得到所述第一特征图，其中，所述第一特征图的尺寸小于所述第一图像的尺寸。3.根据权利要求1所述的方法，其特征在于，所述第一池化层包括多个池化核，所述多个池化核具有不同的尺寸，所述多个池化核的数量与所述多个第二特征图的数量一致；其中，所述通过所述第一池化层，在多个尺度上分别对所述第一特征图进行池化处理，以得到多个第二特征图，包括：通过所述多个池化核中的每一个池化核，对所述第一特征图进行池化处理，以得到与所述每一个池化核对应的第二特征图。4.根据权利要求1所述的方法，其特征在于，所述图像自聚焦网络还包括上采样层、融合层和反卷积模块；其中，所述基于所述第一特征图和所述多个第三特征图，确定第二图像，包括：通过所述上采样层，对所述多个第三特征图分别进行上采样，以得到多个第四特征图，其中，所述多个第四特征图与所述第一特征图具有相同的尺寸；通过所述融合层，对所述第一特征图和所述多个第四特征图进行融合处理，以得到第五特征图；通过所述反卷积模块，对所述第五特征图进行卷积处理，以得到所述第二图像。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本图像，其中，所述样本图像包括第一样本图像和第二样本图像，第一样本图像是失焦图像，所述第二样本图像是与所述第一样本图像对应的聚焦图像；将...

【专利技术属性】
技术研发人员：邱裕鹤，崔诚煜，秦正，周剑，何虎，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：