[发明专利]一种复杂图像去模糊方法

权利要求书

1.一种复杂图像去模糊方法，其特征在于，包括步骤：

S1、输入模糊图像；

S2、对模糊图像进行下采样，得到采样后图片；

S3、编码残差块从采样后图片提取特征；

S4、将提取的特征输入残差网络训练；

S5、解码模块重构输出图片；

S6、生成当前尺度的去模糊图片；

S7、调整生成的当前尺度的去模糊图片尺寸，然后将调整后的图片与下个尺度输入模糊图片结合，返回执行步骤S3；

S8、尺度循环结束，生成并输出最终的去模糊图片。

2.根据权利要求1所述的复杂图像去模糊方法，其特征在于，所述方法共三个尺度，故每个尺度输入一张与其他尺度面积大小不同的模糊图片，三个尺度的输入图像按照面积从小到大的顺序排列。

3.根据权利要求1所述的复杂图像去模糊方法，其特征在于，在每一个编码残差块中,先通过步长为2的卷积，将图片尺寸缩小一半，同时将特征维度增加一倍，把输入图片数据编成小尺寸、多通道的特征。

4.根据权利要求3所述的复杂图像去模糊方法，其特征在于，所述编码残差块由一个卷积层和三个残差块ResBlock组成；其中每个残差块包含2个卷积层，卷积层的步幅是2，所有卷积层都具有相同数量的内核。

5.根据权利要求1所述的复杂图像去模糊方法，其特征在于，将提取的特征输入残差网络训练，残差网络采用ResNet优化算法。

6.根据权利要求5所述的复杂图像去模糊方法，其特征在于，残差网络中残差网络函数为：

其中，为合并后的卷积核窗口参数矩阵，I代表ResNet中的跳层操作的参数，W代表ResNet中的卷积操作的参数，diag(a)是一个可训练的向量参数，用来控制需要跳层连接的程度，I是由卷积窗口导出的单位参数矩阵，也叫Dirac delta变换，任何输入经过这个I矩阵的变换，其输出还是输入本身。

7.根据权利要求4所述的复杂图像去模糊方法，其特征在于，解码模块的结构与编码残差块对称，用于将特征尺寸增加一倍，特征维度减少一半，把特征解码成与采样后图片相同形状的输出。