[发明专利]图像处理装置和图像处理方法

权利要求书

1.一种图像处理装置，包括：

选取部分，被配置为根据预定规则选取目标图像中的代表块；

确定部分，被配置为基于第一训练数据集确定所述代表块针对多个预定模糊核的分类结果，其中所述第一训练数据集包括清晰训练图像以及针对所述多个预定模糊核中的每个生成的模糊训练图像；以及

估计部分，被配置为根据所述代表块的所述分类结果估计所述目标图像的模糊核。

2.根据权利要求1所述的图像处理装置，还包括：

处理部分，被配置为利用与所估计的模糊核相对应的去模糊模型对所述目标图像进行去模糊处理。

3.根据权利要求1所述的图像处理装置，其中，所述预定模糊核包括与运动模糊和散焦模糊相对应的模糊核。

4.根据权利要求3所述的图像处理装置，其中，

与运动模糊相对应的模糊核包括分别与多个预定运动长度以及多个预定运动角度相对应的模糊核；并且

与散焦模糊相对应的模糊核包括分别与多个预定散焦半径相对应的模糊核。

5.根据权利要求1所述的图像处理装置，其中，所述选取部分被配置为：根据所述预定规则选取所述目标图像中的多个代表块，并且

所述估计部分被配置为：基于针对所述多个代表块确定的多组分类结果，通过投票方式估计所述目标图像的模糊核。

6.根据权利要求1所述的图像处理装置，其中，所述选取部分被配置为：

生成所述目标图像的梯度图；以及

将与所述梯度图中满足以下条件的块相对应的块确定为所述代表块：在该块中，梯度值大于第一阈值的像素所占的比例高于第二阈值。

7.根据权利要求1所述的图像处理装置，其中，所述确定部分被配置为：

基于所述第一训练数据集获得针对所述多个预定模糊核的卷积神经网络分类器；以及

利用所获得的分类器确定所述代表块的所述分类结果。

8.根据权利要求2所述的图像处理装置，其中，与所估计的模糊核相对应的去模糊模型包括：利用第二训练数据集得到的卷积神经网络模型，其中所述第二训练数据集包括清晰训练图像以及与所估计的模糊核相对应的模糊训练图像。

9.根据权利要求8所述的图像处理装置，其中，所述卷积神经网络模型包括多层网络模型，并且，将利用所述多层网络模型得到的最终特征图作为所述去模糊处理的结果。

10.一种图像处理方法，包括：

根据预定规则选取目标图像中的代表块；

基于第一训练数据集确定所述代表块针对多个预定模糊核的分类结果，其中所述第一训练数据集包括清晰训练图像以及针对所述多个预定模糊核中的每个生成的模糊训练图像；以及

根据所述代表块的所述分类结果估计所述目标图像的模糊核。