[发明专利]基于深度学习的图像去失焦模糊方法

权利要求书

1.一种基于深度学习的图像去失焦模糊方法，其特征在于，具体步骤如下：

(一)建立去失焦模糊数据集

通过拍摄或添加随机模糊等方式构建一个去失焦模糊数据集，使得每组数据包含一张清晰的图像作为原图，以及若干张模糊的图像作为清晰图所对应的模糊图；

(二)训练去失焦模糊深度神经网络

随机从步骤(一)中的去模糊数据集中选择一张模糊图像I_blur，并随机裁剪出一个256×256的区域后输入神经网络，得到一个3×256×256大小的去模糊图像P_deblur；将去模糊图像P_deblur和去模糊数据集中与之对应的清晰图区域P_clear计算非对齐损失Loss，通过反向传播算法更新深度神经网络模型中的参数；重复步骤(2)直至去失焦模糊深度神经网络收敛；

(三)将失焦模糊图像转化为张量

将一张存在失焦模糊的RGB图像视为3×H×W的张量T，将张量T除以256得到取值介于0-1之间的张量T′；

(四)将张量输入深度神经网络

将步骤(三)中的张量T′输入步骤(二)中训练的去失焦模糊深度神经网络，得到结果张量T_result；

(五)将结果张量恢复为图像

将步骤(四)中的结果张量T_result乘以256并进行取整，取整后的张量视为去失焦模糊后的RGB图像。

2.根据权利要求1所述的基于深度学习的图像去失焦模糊方法，其特征在于，步骤(一)中，所述通过拍摄构建一个去失焦模糊数据集，具体做法为：

真实场景下拍摄RSDBR数据集；训练集共有128组数据，每组数据包含一张清晰图像与2-5张失焦模糊图像；测试集共有60组数据，每组数据包含一张清晰图像与一张失焦模糊图像；所有图像的分辨率均为3216×2136像素；

所述通过添加随机模糊等方式构建一个去失焦模糊数据集，是使用291张高分辨率的图像作为清晰图，通过手动添加模糊来构造失焦模糊图，从而形成一对训练数据，其具体步骤如下：

(1)清晰图过大时，将清晰图等比例缩小到短边为1024像素；

(2)随机切出512×512像素大小的区域R；

(3)在区域R上随机选择一种模糊方式：

(3.1)整个区域R添加模糊核半径为2到17像素的均匀圆形模糊；

(3.2)随机生成一条高次曲线将区域R分成两部分，每部分分别添加一个如步骤3.1所述的随机半径的圆形模糊；

(3.3)随机生成一条高次曲线将区域R分成两部分，一部分添加一个如步骤3.1所述的随机半径的圆形模糊，另一部分保持清晰；

(3.4)随机生成一条高次曲线将区域R分成两部分，每部分分别添加一个模糊核大小和方差随机的高斯模糊；

(4)在模糊图上随机添加一个微小的高斯噪声提升鲁棒性。