[发明专利]一种用于图像清晰度判别的神经网络的设计方法

权利要求书

1.一种用于图像清晰度判别的神经网络的设计方法，其特征在于，包括以下步骤：

步骤1：确定神经网络的基本结构；

步骤2：对不同卷积核尺寸网络的比照实验来确定卷积核尺寸的选取；

步骤3：测试网络深度和每层卷积核数量对网络结构应用效果的影响，并选取合适的卷积层数和各层卷积核数量；

步骤4：给出清晰和模糊子块分类卷积神经网络的完整结构：

步骤5：以步骤四4给出的神经网络为主体，保证同一位置清晰和模糊子块成对存在，设计一个仅区分对应位置子块的分类网络。

2.根据权利要求1所述的一种用于图像清晰度判别的神经网络的设计方法，其特征在于：所述的步骤1中神经网络的基本结构采用类似于LeNet-5的简单结构，网络结构包括输入层、若干连续的卷积层C1~m、评分层、Objective层。

3.根据权利要求1所述的一种用于图像清晰度判别的神经网络的设计方法，其特征在于：所述步骤2中采用的两个网络网络层数以及各层卷积核数量一致、每层相应的特征图尺寸相同，训练周期相同。

4.根据权利要求1所述的一种用于图像清晰度判别的神经网络的设计方法，其特征在于：所述步骤3以相同的训练方式训练上述网络各60个周期，选取各自训练过程中评估错误率最低时的网络应用于从测试集。

5.根据权利要求1所述的一种用于图像清晰度判别的神经网络的设计方法，其特征在于：所述步骤5中将区分全体中两类子块的网络改进为区分对应位置子块的分类网络，增强其针对性，具体为：首先将同一位置清晰和模糊子块绑定作为成对的输入数据，两个子块经过同一个网络结构后到各自评分层输出。