[发明专利]图像去模糊的方法及装置

说明书

本公开涉及图像去模糊的方法及装置。该方法包括：对模糊图像进行特征提取，得到反映所述模糊图像中各个区域空间关系特征的特征图；确定所述模糊图像中所述各个区域对应的参数；根据所述参数对所述特征图进行去模糊处理，得到去模糊结果；根据所述去模糊结果和所述特征图进行图像重建，得到所述模糊图像对应的清晰图像。本公开能够针对模糊图像中的不同区域采用不同的去模糊处理方式，从而能够准确地去除图像模糊。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像去模糊的方法及装置。

背景技术

图像的动态模糊通常由相机的抖动和拍摄物体的运动造成。图像去模糊是图像处理技术领域的重要问题。准确地去除图像的模糊在安防监控、摄影处理等众多领域有着重要的利用价值。因此，需要提供一种图像去模糊的方法，以准确地去除图像模糊。

发明内容

有鉴于此，本公开提出了一种图像去模糊的方法及装置。

根据本公开的一方面，提供了一种图像去模糊的方法，包括：

对模糊图像进行特征提取，得到反映所述模糊图像中各个区域空间关系特征的特征图；

确定所述模糊图像中所述各个区域对应的参数；

根据所述参数对所述特征图进行去模糊处理，得到去模糊结果；

根据所述去模糊结果和所述特征图进行图像重建，得到所述模糊图像对应的清晰图像。

在一种可能的实现方式中，所述对模糊图像进行特征提取，得到反映所述模糊图像中各个区域空间关系特征的特征图，包括：

通过第一神经网络对所述模糊图像进行特征提取，得到反映所述模糊图像中各个区域的空间关系特征的特征图。

在一种可能的实现方式中，在所述得到反映所述模糊图像中各个区域的空间关系特征的特征图之后，还包括：

对所述特征图进行降采样处理。

在一种可能的实现方式中，所述确定所述模糊图像中所述各个区域对应的参数，包括：

利用跳级连接的第二神经网络，获取所述模糊图像中各个区域对应的参数。

在一种可能的实现方式中，所述第二神经网络包括多级卷积层，所述利用跳级连接的第二神经网络，获取所述模糊图像中各个区域对应的参数，包括：

将第i级卷积层输出的特征图与第j级卷积层输出的特征图融合，得到第一融合特征图；

将所述第一融合特征图输入第n级卷积层，得到所述第n级卷积层输出的特征图；

将第m级卷积层输出的特征图与所述第n级卷积层输出的特征图融合，得到第二融合特征图，其中，1<m<i<j<n，且m，i，j，n均为正整数；

将所述第二融合特征图输入最后一级卷积层，得到所述模糊图像中各个区域对应的参数。

在一种可能的实现方式中，还包括：

利用VGG16神经网络对第1级至第i级卷积层进行初始化。

在一种可能的实现方式中，还包括：

从第1级至第i级卷积层的每级卷积层之后，均进行降采样处理。

在一种可能的实现方式中，所述根据所述参数对所述特征图进行去模糊处理，得到去模糊结果，包括：

利用第三神经网络结合所述参数对所述特征图进行去模糊处理，得到去模糊结果，其中，所述第三神经网络包括至少一级循环神经网络，每级所述循环神经网络后级联至少一个卷积层。