[发明专利]运动模糊图像的模糊处理方法、装置、设备及存储介质有效

专利信息
申请号: 201810240092.9 申请日: 2018-03-22
公开(公告)号: CN108550118B 公开(公告)日: 2022-02-22
发明(设计)人: 张勇;马少勇;赵东宁;唐琳琳;梁长垠;黎丽;曾庆好 申请(专利权)人: 深圳大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 深圳青年人专利商标代理有限公司 44350 代理人: 吴桂华
地址: 518060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 运动 模糊 图像 处理 方法 装置 设备 存储 介质
【权利要求书】:

1.一种运动模糊图像的模糊处理方法,其特征在于,所述方法包括下述步骤:

当接收到对运动模糊图像的模糊处理请求时,将所述运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中,所述生成器包括压缩激励残差网络单元和缩放卷积单元;

通过所述压缩激励残差网络单元对所述运动模糊图像进行特征提取,以得到所述运动模糊图像对应的特征图像;

通过所述缩放卷积单元对所述特征图像进行模糊处理,以得到所述运动模糊图像对应的清晰图像;

将所述运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中的步骤之前,包括:

将第一训练样本输入到预先构建的第一生成对抗网络中进行训练,以得到训练好的所述第一生成对抗网络;

通过所述第一生成对抗网络对第二训练样本进行格式化预处理;

对所述经过格式化预处理的第二训练样本进行图像增强处理,以得到增强的所述第二训练样本;

将增强的所述第二训练样本输入到预先构建的第二生成对抗网络中进行训练,以得到训练好的所述第二生成对抗网络,将所述训练好的所述第二生成对抗网络设置为所述增强型生成对抗网络。

2.如权利要求1所述的方法,其特征在于,将所述运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中的步骤之前,包括:

当接收到对运动模糊图像的模糊处理请求时,通过预设的格式化预处理层对所述运动模糊图像进行格式化预处理;

对所述经过格式化预处理的运动模糊图像进行图像增强处理,得到增强的所述运动模糊图像。

3.如权利要求1所述的方法,其特征在于,所述压缩激励残差网络单元由残差网络和压缩激励网络组成。

4.一种运动模糊图像的模糊处理装置,其特征在于,所述装置包括:

图像输入单元,用于当接收到对运动模糊图像的模糊处理请求时,将所述运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中,所述生成器包括压缩激励残差网络单元和缩放卷积单元;

特征提取单元,用于通过所述压缩激励残差网络单元对所述运动模糊图像进行特征提取,以得到所述运动模糊图像对应的特征图像;以及

模糊处理单元,用于通过所述缩放卷积单元对所述特征图像进行模糊处理,以得到所述运动模糊图像对应的清晰图像;

所述装置还包括:

第一网络训练单元,用于将第一训练样本输入到预先构建的第一生成对抗网络中进行训练,以得到训练好的所述第一生成对抗网络;

样本预处理单元,用于通过所述第一生成对抗网络对第二训练样本进行格式化预处理;

样本增强单元,用于对所述经过格式化预处理的第二训练样本进行图像增强处理,以得到增强的所述第二训练样本;以及

第二网络训练单元,用于将增强的所述第二训练样本输入到预先构建的第二生成对抗网络中进行训练,以得到训练好的所述第二生成对抗网络,将所述训练好的所述第二生成对抗网络设置为所述增强型生成对抗网络。

5.如权利要求4所述的装置,其特征在于,所述装置还包括:

格式化预处理单元,用于当接收到对运动模糊图像的模糊处理请求时,通过预设的格式化预处理层对所述运动模糊图像进行格式化预处理;以及

图像增强单元,用于对所述经过格式化预处理的运动模糊图像进行图像增强处理,得到增强的所述运动模糊图像。

6.如权利要求4所述的装置,其特征在于,所述压缩激励残差网络单元由残差网络和压缩激励网络组成。

7.一种计算设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。

8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810240092.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top