【技术实现步骤摘要】
本申请实施例涉及但不限于医疗科技，尤其涉及一种图像去模糊方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、随着社会经济不断发展，人们的生活水平不断提高，科技不断进步，医疗水平也得到了不断提升；目前，对于身体内部的疾病，往往需要利用相关的医疗设备拍摄医学图像，后续就可以根据拍摄得到的医学图像进行疾病的诊断；但是在某些情况下，拍摄所得到的医学图像可能会出现模糊的情况，为了对拍摄得到的医学图像进行去模糊处理，目前一般会基于生成的方法；然而，基于生成的方法没有充分利用模糊图像本身的信息，而只是将其作为一个固定条件输入，这就可能导致在处理不同模糊类型或程度的图像时出现泛化能力不足或不稳定的情况。
技术实现思路
1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
2、为了解决上述
技术介绍
中提到的问题，本申请实施例提供了一种图像去模糊方法、装置、电子设备及计算机可读存储介质，充分利用模糊图像本身的信息，具有较强的泛化能力和稳定性，并且能够生成更加清晰的图像。
3、第一方面，本申请实施例提供了一种图像去模糊方法，包括：
4、获取待处理图像；
5、从所述待处理图像中预测得到多个预测清晰图像；
6、将所述待处理图像输入至预训练的条件编码网络，生成得到图像条件编码向量；
7、将所述图像条件编码向量和所述待处理图像输入至预训练的自回归扩散概率模型，预测得到自回归图像分布信息；
8、根据所
9、基于所述图像结构引导分布信息采样得到去模糊图像。
10、根据本申请的一些实施例，所述从所述待处理图像中预测得到多个预测清晰图像，包括：
11、从预训练的所述多尺度卷积神经网络中确定得到不同尺度的卷积核；
12、基于不同尺度的所述卷积核对所述待处理图像的不同区域进行特征提取处理，得到多个所述预测清晰图像。
13、根据本申请的一些实施例，所述将所述待处理图像输入至预训练的条件编码网络，生成得到图像条件编码向量，包括：
14、从所述自回归扩散概率模型中确定扩散步数；
15、根据所述条件编码网络利用所述扩散步数和所述待处理图像生成所述图像条件编码向量。
16、根据本申请的一些实施例，所述将所述图像条件编码向量和所述待处理图像输入至预训练的自回归扩散概率模型，预测得到自回归图像分布信息，包括：
17、对所述待处理图像进行高斯分布采样得到噪声图像；
18、根据所述噪声图像和所述扩散步数确定扩散图像；
19、根据所述图像条件编码向量利用所述自回归扩散概率模型对所述扩散图像和所述待处理图像进行计算预测处理，得到所述自回归图像分布信息。
20、根据本申请的一些实施例，所述根据所述自回归图像分布信息和所述预测清晰图像计算得到图像结构引导分布信息，包括：
21、将所述预测清晰图像作为目标结构引导；
22、根据所述目标结构引导对所述自回归图像分布信息进行分析处理，得到所述图像结构引导分布信息。
23、根据本申请的一些实施例，所述基于所述图像结构引导分布信息采样得到去模糊图像，所述方法包括：
24、根据所述图像结构引导分布信息确定区域信息；
25、根据所述区域信息从所述图像结构引导分布信息中提取得到所述去模糊图像。
26、根据本申请的一些实施例，所述基于所述图像结构引导分布信息采样得到去模糊图像后，所述方法还包括：
27、根据所述图像结构引导分布信息确定当前扩散步数；
28、对所述当前扩散步数进行更新处理得到调整扩散步数；
29、根据所述调整扩散步数和所述待处理图像对所述图像条件编码向量进行更新处理。
30、第二方面，本申请实施例还提供了一种图像去模糊装置，包括：
31、第一处理模块，用于获取待处理图像；
32、第二处理模块，用于从所述待处理图像中预测得到多个预测清晰图像；
33、第三处理模块，用于将所述待处理图像输入至预训练的条件编码网络，生成得到图像条件编码向量；
34、第四处理模块，用于将所述图像条件编码向量和所述待处理图像输入至预训练的自回归扩散概率模型，预测得到自回归图像分布信息；
35、第五处理模块，用于根据所述自回归图像分布信息和所述预测清晰图像计算得到图像结构引导分布信息；
36、第六处理模块，用于基于所述图像结构引导分布信息采样得到去模糊图像。
37、第三方面，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述的图像去模糊方法。
38、第四方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上第一方面所述的图像去模糊方法。
39、根据本申请提供的实施例的图像去模糊方法，至少具有如下有益效果：在进行图像去模糊的过程中，首先获取待处理图像；接着从待处理图像中预测得到多个预测清晰图像；接着将待处理图像输入到预训练的条件编码网络，进而生成得到图像条件编码向量；接着将图像条件编码向量和待处理图像输入到预训练的自回归扩散概率模型，进而预测得到自回归图像分布信息；接着根据自回归图像分布信息和预测清晰图像计算得到图像结构引导分布信息；最后基于图像结构引导分布信息采样就可以得到对应的去模糊图像。通过上述技术方案，充分利用模糊图像本身的信息，具有较强的泛化能力和稳定性，并且能够生成更加清晰的图像。
本文档来自技高网...【技术保护点】
1.一种图像去模糊方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像去模糊方法，其特征在于，所述从所述待处理图像中预测得到多个预测清晰图像，包括：
3.根据权利要求1所述的图像去模糊方法，其特征在于，所述将所述待处理图像输入至预训练的条件编码网络，生成得到图像条件编码向量，包括：
4.根据权利要求3所述的图像去模糊方法，其特征在于，所述将所述图像条件编码向量和所述待处理图像输入至预训练的自回归扩散概率模型，预测得到自回归图像分布信息，包括：
5.根据权利要求1所述的图像去模糊方法，其特征在于，所述根据所述自回归图像分布信息和所述预测清晰图像计算得到图像结构引导分布信息，包括：
6.根据权利要求1所述的图像去模糊方法，其特征在于，所述基于所述图像结构引导分布信息采样得到去模糊图像，所述方法包括：
7.根据权利要求1所述的图像去模糊方法，其特征在于，所述基于所述图像结构引导分布信息采样得到去模糊图像后，所述方法还包括：
8.一种图像去模糊装置，其特征在于，包括：
9.一种电子设
10.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行权利要求1至7中任意一项所述的图像去模糊方法。
...【技术特征摘要】
1.一种图像去模糊方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像去模糊方法，其特征在于，所述从所述待处理图像中预测得到多个预测清晰图像，包括：
3.根据权利要求1所述的图像去模糊方法，其特征在于，所述将所述待处理图像输入至预训练的条件编码网络，生成得到图像条件编码向量，包括：
4.根据权利要求3所述的图像去模糊方法，其特征在于，所述将所述图像条件编码向量和所述待处理图像输入至预训练的自回归扩散概率模型，预测得到自回归图像分布信息，包括：
5.根据权利要求1所述的图像去模糊方法，其特征在于，所述根据所述自回归图像分布信息和所述预测清晰图像计算得到图像结构引导分布信息，包括：
6...
【专利技术属性】
技术研发人员：郑喜民，胡家鑫，舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。