[发明专利]基于ADMM神经网络的图像去模糊方法

权利要求书

1.一种基于ADMM神经网络的图像去模糊方法，其特征在于按照如下步骤进行：

010预处理阶段

步骤C011：配置PC机的软件环境；

步骤C012：采用GOPRO训练集；

步骤C013：初始化摄像头；

步骤C014：配置PC机与摄像头所在的局域网；

020训练阶段

步骤C021：构建数学模型并利用ADMM进行裂项求解如下：

其中，x⁽ⁱ⁾为第i阶段重构层Restore⁽ⁱ⁾的输出；x^(i-1)为第i-1阶段重构层Restore^(i-1)的输出，y为原始模糊图像，z⁽ⁱ⁾为第i阶段去噪层Denoise⁽ⁱ⁾的输出，z^(i-1)为第i-1阶段去噪层Denoise^(i-1)的输出，β⁽ⁱ⁾为第i阶段乘子更新层Multipler⁽ⁱ⁾，β^(i-1)为第i-1阶段乘子更新层Multipler⁽ⁱ⁾，n为总计阶段数，i为阶段号，i＝1,2,…,n，k_i与是Restore⁽ⁱ⁾中大小为3×3的卷积核，ρ⁽ⁱ⁾是Restore⁽ⁱ⁾中的惩罚项系数，lr⁽ⁱ⁾为Restore⁽ⁱ⁾中的学习率，与为Denoise⁽ⁱ⁾中的保真系数，R为非线性函数，与为Denoise⁽ⁱ⁾中大小为3×3的卷积核，η⁽ⁱ⁾是Multipler⁽ⁱ⁾中的乘子更新系数；

步骤C022：搭建ADMM神经网络，约定ADMM神经网络的可训练参数集为Θ_Net，

ADMM神经网络结构包含如下子层：

C0221：第i阶段重构层Restore⁽ⁱ⁾，对模糊图像进行去模糊操作，包含的可训练参数集为

C0222：第i阶段去噪层Denoise⁽ⁱ⁾，对重构层输出的图像进行去噪，包含的可训练参数集为

C0223：第i阶段乘子更新层Multiple⁽ⁱ⁾，包含的可训练参数集为

步骤C023：初始化可训练参数集Θ_Net，其中Θ_Net中的元素均服从区间[0,1]的均匀分布；

步骤C024：设置ADMM神经网络的超参数：约定批处理值为batch_size，值为25，子块大小为patch_sized，值为128×128，学习率为learning_rate，值为1×10^-4；

步骤C025：从训练集中随机选取5100张图像，并按照batch_size与patch_size的值分别记为模糊图像块img₁,img₂,...,img₂₀₄；

步骤C026：约定损失函数为l₂-loss，优化算法为ADAM算法，将划分好的模糊图像块img₁,img₂,...,img₂₀₄依次送入ADMM神经网络，经过前向传播、反向传播和优化更新进行训练，训练次数至少2000次，具体步骤如下：

前向传播定义为Net_ADMM(img)，ADMM神经网络中的重构层Restore⁽ⁱ⁾、去噪层Denoise⁽ⁱ⁾及乘子更新层Multipler⁽ⁱ⁾彼此间交替迭代，得到去模糊图像块out₁,out₂,...,out₂₀₄：定义卷积层为conv(x)，矩阵点积运算为Dot(x,y)，其中表示为conv(conv(x^(i-1))-y)，卷积核分别为k_i与表示为Dot(ρ⁽ⁱ⁾,(x^(i-1)+β^(i-1)-z^(i-1)))，表示为Dot(lr⁽ⁱ⁾,conv(conv(x^(i-1))-y)+Dot(ρ⁽ⁱ⁾,(x^(i-1)+β^(i-1)-z^(i-1))))，故Restore⁽ⁱ⁾可表示为x^(i-1)-Dot(lr⁽ⁱ⁾,conv(conv(x^(i-1))-y)+Dot(ρ⁽ⁱ⁾,(x^(i-1)+β^(i-1)-z^(i-1))))，定义则有：正则项函数R采用编码器-解码器神经网络模块通过训练进行模拟，约定编码器-解码器神经网络模块为Edcode(x)，有则Denoise⁽ⁱ⁾可表示为Multipler⁽ⁱ⁾可表示为β^(i-1)+Dot(η⁽ⁱ⁾,(x⁽ⁱ⁾-z⁽ⁱ⁾))；

反向传播是将去模糊图像块out₁,out₂,...,out₂₀₄依次与标签图像块进行比较，计算损失值loss：约定标签图像块中的图像为img_gt，去模糊图像块中的图像为img_out，损失值为loss，根据l₂-loss函数的定义，其中N为图像块所包含的像素的个数，定义每张图像的通道数、宽度、高度分别为channel、height、width，N＝channel*height*width*batch_size；

优化更新：通过损失值loss利用链式法则求解各个子层的可训练参数的梯度值，将可训练参数与其梯度值代入ADAM算法进行更新；

030ADMM神经网络应用阶段

步骤C031：将摄像头采集到的模糊图像image_input传输至部署ADMM神经网络的PC机中；

步骤C032：将模糊图像image_input进行解码，送至训练结束的ADMM神经网络中；

步骤C033：接收ADMM神经网络输出的图像image_output，压缩编码并存储；

步骤C034：输出至显示器中显示。