[发明专利]一种基于深度学习的盲去模糊方法及系统

权利要求书

1.一种基于深度学习的盲去模糊方法，其特征在于，包括如下步骤：

步骤1，准备阶段：对图像数据预处理，创建新的模型或者读入先前训练的模型；

步骤2，训练阶段：利用步骤1的模型，将模糊图像和清晰图像传入生成器网络、鉴别器网络以及特征提取网络中迭代训练，具体的训练步骤包括：

(1)将模糊图像B传入生成器网络B2A中并生成近似清晰图像FakeA，将清晰图像A传入生成器网络A2B中并生成近似模糊图像FakeB，将清晰图像A和近似模糊图像FakeB分别传入特征提取网络N1中得到清晰图像A的特征层FeatureA和近似模糊图像FakeB特征层FeatureFakeB，将模糊图像B和近似清晰图像FakeA分别传入特征提取网络N2中得到模糊图像B的特征层FeatureB和近似清晰图像FakeA的特征层FeatureFakeA；

(2)计算特征层FeatureA和特征层FeatureFakeB的特征相似度1，计算特征层FeatureB和特征层FeatureFakeA的特征相似度2；

(3)将近似清晰图像FakeA传入生成器A2B中得到相似模糊图像SimilarB，将近似模糊图像FakeB传入生成器B2A中得到相似清晰图像SimilarA；利用鉴别器DA鉴别近似清晰图像FakeA是否足够清晰，输出二维矩阵DFakeA；利用鉴别器DB鉴别近似模糊图像FakeB是否足够模糊，输出二维矩阵DFakeB；对清晰图像A和相似清晰图像SimilarA进行相似度比对，对模糊图像B和相似模糊图像SimilarB进行相似度比对；

步骤3，优化阶段：通过反向优化使生成器网络输出结果逐步逼近清晰图像。

2.根据权利要求1所述的一种基于深度学习的盲去模糊方法，其特征在于，所述步骤1中，在数据预处理时，对图像进行缩放变为固定像素尺寸256*256。

3.根据权利要求1所述的一种基于深度学习的盲去模糊方法，其特征在于，所述步骤2中，模糊图像和清晰图像并无直接的对应关系。

4.根据权利要求1所述的一种基于深度学习的盲去模糊方法，其特征在于，所述步骤(2)中，特征相似度1的计算公式如下：

特征相似度2的计算公式如下：

其中，rfea表示特征层的尺寸，四个特征层FeatureA、FeatureFakeB、FeatureB和FeatureFakeA的尺寸相同；FeatureA_x,y、FeatureFakeB_x,y、FeatureB_x,y、FeatureFakeA_x,y分别表示特征层FeatureA、特征层FeatureFakeB、特征层FeatureB、特征层FeatureFakeA在坐标(x，y)处的值。

5.根据权利要求1所述的一种基于深度学习的盲去模糊方法，其特征在于，所述步骤(3)中，生成器A2B与生成器B2A的总目标函数为：

loss_G＝loss_GA2B+loss_GB2A+loss_cycA+loss_cycB

其中，

rdis表示二维矩阵的尺寸，二维矩阵DFakeB与DFakeA的尺寸相同，rpic表示图像的尺寸，图像A、图像B、图像SimilarA和图像SimilarB的尺寸相同；DFakeA_x，y、DFakeB_x，y分别表示二维矩阵DFakeB与DFakeA在坐标(x，y)处的值；A_x，y、SimilarA_x，y、B_x，y、SimilarB_x，y分别表示清晰图像A、相似清晰图像SimilarA、模糊图像B和相似模糊图像SimilarB在坐标(x，y)处的值。