[发明专利]一种多尺度和多特征融合的特征金字塔网络盲复原方法

说明书

本发明提出了一种多尺度和多特征融合的特征金字塔网络盲复原方法，用于解决现有复原方法的复原性能差、鲁棒性差的技术问题。其步骤为：首先，从数据集中获取N组清晰图像和模糊图像；其次，构建特征金字塔网络和双尺度判别器网络的生成对抗网络模型；然后利用N组清晰图像和模糊图像对特征金字塔网络和判别器网络进行交替训练，达到平衡点后得到最终生成对抗网络模型；最后，将待处理的模糊图像输入最终生成对抗网络模型中，输出清晰图像。本发明通过将特征金字塔网络与双尺度判别器相结合，提升训练速度的同时还极大避免了细节信息的丢失，最后引入多尺度结构相似性损失函数进一步约束图像生成，实现复杂模糊图像稳定且高质量的复原。

技术领域

本发明涉及图像处理和计算机视觉领域的盲复原技术领域，特别是指一种多尺度和多特征融合的特征金字塔网络盲复原方法。

背景技术

模糊图像在日常生活中经常可见，由于成像距离、成像设备分辨率、相机抖动等因素的影响，图像在获取的过程往往发生退化，也就导致图像模糊的发生，其中最常见的当属运动模糊，严重限制了医学成像、交通监控和目标跟踪等领域的发展，因此对模糊图像进行复原显得格外重要。

实际复原模糊图像时模糊核通常是未知的，只能利用降质图像的一些先验信息，在一些约束性的规则下对原始图像进行最优估计，这种方法称为盲复原。盲复原是图像处理和计算机视觉领域的一个最基本的研究问题，因其涉及问题表述、正则化和数值优化等诸多难点和挑战而一直被广泛关注。文献[Krishnan D,Fergus R.Fast imagedeconvolution using hyper-Laplacian priors[C]//Advances in neural informationprocessing systems.2009:1033-1041.]提出一个基于超拉普拉斯先验项的去卷积方法，实现运动模糊图像复原，该算法使用分布交替迭代最小化办法优化能量方程，通过查表的方法快速求解图像的反卷积，但复原结果往往发生振铃效应。文献[Deshpande A M,Patnaik S.On improving accuracy of PSF estimation in spectral and cepstrumdomain with morphological filtering[C]//2012 1st International Conference onEmerging Technology Trends in Electronics,CommunicationNetworking.IEEE,2012:1-6.]提出了一种改进的非均匀单张模糊图像模糊核估计方法，根据图像频谱中暗纹分布规律，采用形态学滤波操作来提高模糊参数估计的精度，最终使用反卷积得到清晰图像，但信噪比较低的图像中模糊核估计不准确。文献[Zhou Luoyu,Zhang Bao,YangYang.Estimation ofparameter of defocused blurred image using Houghtransform[J].Infrared and Laser Engineering,2012,41(10):2833-2837.]基于Hough变换原理检测频谱的同心圆，提出一种估计离焦模糊图像模糊核半径的方法，能够有效使用在图像复原的参数估计中，然而该方法通用性差，仅在信噪比低的图像中能得到理想效果。文献[KimT H,Lee K M.Segmentation-free dynamic scenedeblurring[C]//Computer Vision andPattern Recognition.IEEE,2014:2766-2773.]研究了一种不需要运动分割的动态场景去模糊方法，提出了一个新的能量模型，借助强大的TV-L1模型即可同时估计物体运动光流场和模糊核，但是内容相对不丰富的图像复原效果往往不好。文献[Sun Shijie,ZhaoHuaici,Li Bo,et al.Blinddeconvolution for noisy and blurry images usinglowrank prior[J].Journal of ElectronicsInformationTechnology,2017,39(8):1919-1926.]针对单幅图像盲去卷积问题，提出一种基于交替最大后验(MAP)估计框架下，利用低秩先验约束来对模糊图像分步迭代进行盲去卷积，但是该方法步骤繁琐复杂，模糊核的估计往往不稳定。