基于图像质量启发的盲图像去运动模糊算法制造技术

本发明专利技术属于图像去模糊处理技术领域，具体地说，是一种基于图像质量启发的盲图像去运动模糊算法，基于去模糊算法旨在提高图像质量以及去模糊过程缺乏先验知识的事实，提出了图像质量先验引导的盲图像去运动模糊算法。具体而言，首先，借助基于深度神经网络的无参考图像质量评价模型提取包含质量信息的深度特征作为先验知识。然后，采用特征预测策略将先验知识嵌入图像去模糊模型的编码器中。最后，采用编码器复用策略将图像去模糊模型中解码器的输出图像再次输入模型编码器中并预测质量评价模型提取的清晰图像的质量特征。本发明专利技术在不增加计算成本的基础上，为去模糊模型引入图像质量先验知识，提高了模型的去模糊效果和泛化性能。性能。性能。

【技术实现步骤摘要】
基于图像质量启发的盲图像去运动模糊算法


[0001]本专利技术属于图像去模糊处理
，具体地说，是一种基于图像质量启发的盲图像去运动模糊算法。

技术介绍

[0002]随着图像采集设备的不断普及，数字图像的获取方式越来越方便，但是在图像获取的过程中通常会产生模糊，而模糊不仅会导致图像质量出现显著的下降，还会影响目标检测与识别等多种计算机视觉任务的应用，虽然研究人员提出了多种去模糊算法，但是去除非均匀的运动模糊依然非常具有挑战。
[0003]传统的图像去模糊算法通常依靠手工设计的图像先验，这种方式无法有效处理复杂的运动模糊。随着深度学习的发展，研究人员采用神经网络学习图像的先验知识或者估计运动模糊核，并将深度先验融合进传统的图像去模糊算法之中，但是此类算法存在计算量大以及存在振铃效应的缺点。
[0004]近几年来，基于深度神经网络的算法直接从训练数据中学习一个从模糊图像到清晰图像的映射模型。这些去模糊算法取得了长足的进展，但是依然存在依赖训练数据和泛化能力差的问题。图像去模糊是一个不适定的问题，模型在学习映射的过程中，缺乏先验知本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像质量启发的盲图像去运动模糊算法，其特征在于，包括以下步骤：步骤一、构建基于深度卷积神经网络的面向真实失真的无参考图像质量评价模型，借助该模型从图像中提取深度特征作为图像质量先验知识；步骤二、将先验知识嵌入编码器：为编码器引入特征预测模块，在编码器进行编码的同时，以多任务学习的方式同时进行图像编码以及预测步骤一得到的包含质量信息的深度特征；步骤三、将先验知识嵌入解码器：引入编码器复用预测模块，并将解码器的输出图像再次输入步骤二中的编码器并预测步骤一得到的清晰图像的深度特征。2.根据权利要求1所述的的基于图像质量启发的盲图像去运动模糊算法，其特征在于，在所述步骤一中，构建图像质量评价模型并提取质量先验知识，包括：(1)采用真实失真质量评价数据集微调ImageNet预训练模型，得到面向真实失真的质量评价模型；(2)借助无参考质量评价模型提取先验知识，将无参考质量评价模型记为M
IQA
，输入图像记为I
in
，质量先验特征f
k
表示为：f
k
＝M
IQA
(I
in
)。3.根据权利要求1所述的的基于图像质量启发的盲图像去运...

【专利技术属性】
技术研发人员：宋天舒，程德强，寇旗旗，李雷达，陈亮亮，江鹤，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：