[发明专利]一种基于深度学习的图像去模糊方法及系统

说明书

本发明提供的一种基于深度学习的图像去模糊方法及系统，获取待去模糊的目标图像，对目标图像进行预处理；将预处理后的目标图像输入至预设神经网络，根据预设神经网络的输出结果，获得目标图像对应的去模糊图像；其中，预设神经网络是根据模糊图像样本和清晰图像样本进行训练后获得的。该方法及系统能够利用预设神经网络对模糊图像自动进行去模糊处理，获得模糊图像对应的去模糊图像，无需提前获知确切的模糊核，可适用于任意一种类型的模糊图像，具有广泛的普适应；同时在图像处理、识别和应用之前通过对图像进行去模糊处理，能够有效提升图像处理、识别和应用的效率和准确率。

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种基于深度学习的图像去模糊方法及系统。

背景技术

由于受到环境和成像设备(如相机的硬件条件)等影响，图像质量在成像过程中或多或少会有一定的损失，图像模糊即为一种常见的图像降质现象。

通常，图像模糊的类型可分为以下几种：散焦模糊、高斯模糊、运动模糊、混合模糊和任意模糊。其中，散焦模糊是指由于镜头未能正确对焦或由于场景景深较大而导致部分场景不在焦点上而造成的图像不清晰；高斯模糊是指由于大气湍流对物体光线的散射影响造成的图像不清晰；运动模糊是指当相机处于静止状态下，长时间曝光时，运动物体与背景混叠造成的图像不清晰；混合模糊是指散焦模糊、高斯模糊和运动模糊三者之中的任意两个或全部三个的组合所导致的图像不清晰；任意模糊则是指由于相机抖动等不规则运动所引发的相机运动轨迹上场景在曝光时间内的混叠。

图像模糊会造成图像边缘分辨不清和图像细节丢失，从而严重影响后续的图像处理、识别和应用等。因此，对模糊图像进行去模糊处理突显得尤为重要。现有的去模糊技术包括Lucy-Richardson算法和维纳滤波器，然而这两种现有的去模糊技术均需提前获知确切的模糊核，并不具有普适应。

有鉴于此，亟需提供一种普遍适用的图像去模糊方法及系统。

发明内容

本发明为了克服现有的去模糊技术均需提前获知确切的模糊核，导致不具有普适应的问题，提供一种基于深度学习的图像去模糊方法及系统。

一方面，本发明提供一种基于深度学习的图像去模糊方法，包括：

获取待去模糊的目标图像，对所述目标图像进行预处理；

将预处理后的所述目标图像输入至预设神经网络，根据所述预设神经网络的输出结果，获得所述目标图像对应的去模糊图像；

其中，所述预设神经网络是根据模糊图像样本和清晰图像样本进行训练后获得的。

优选地，所述对所述目标图像进行预处理，具体为：

将所述目标图像的大小调整至预设尺寸。

优选地，所述将预处理后的所述目标图像输入至预设神经网络，根据所述预设神经网络的输出结果，获得所述目标图像对应的去模糊图像，具体为：

将预处理后的所述目标图像输入至所述预设神经网络的下采样层，利用所述下采样层对预处理后的所述目标图像进行下采样，输出所述目标图像对应的特征向量；

将所述特征向量输入至所述预设神经网络的残差网络层，利用所述残差网络层对所述特征向量进行特征补偿，输出补偿后的特征向量；

将补偿后的特征向量输入至所述预设神经网络的上采样层，利用所述上采样层对补偿后的特征向量进行上采样，输出所述目标图像对应的去模糊图像。

优选地，所述将预处理后的所述目标图像输入至预设神经网络，之前还包括：

获取多个清晰图像样本，对于任意一个清晰图像样本，获取该清晰图像样本对应的模糊图像样本，将该清晰图像样本和对应的模糊图像样本的组合作为一个训练样本，获得多个训练样本；