[发明专利]一种基于边缘增强的图像去模糊方法有效

专利信息
申请号: 202011492603.X 申请日: 2020-12-17
公开(公告)号: CN112634153B 公开(公告)日: 2023-10-20
发明(设计)人: 谢晓华;黄俊嘉;赖剑煌 申请(专利权)人: 中山大学
主分类号: G06T5/00 分类号: G06T5/00;G06T5/50;G06T7/13;G06V10/52;G06V10/80;G06V10/82;G06N3/0464;G06N3/045;G06N3/048
代理公司: 广东南北知识产权代理事务所(普通合伙) 44918 代理人: 李思坪
地址: 510275 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 边缘 增强 图像 模糊 方法
【权利要求书】:

1.一种基于边缘增强的图像去模糊方法,其特征在于,包括以下步骤:

获取运动模糊图像并基于边缘提取算法对运动模糊图像进行处理,得到运动模糊图像边缘;

将运动模糊图像和运动模糊图像边缘输入到预设的去模糊神经网络进行特征提取和特征融合,得到去模糊图像。

2.根据权利要求1所述一种基于边缘增强的图像去模糊方法,其特征在于,还包括:

对去模糊图像进行质量评估,得到评估结果。

3.根据权利要求2所述一种基于边缘增强的图像去模糊方法,其特征在于,所述边缘提取算法具体通过整体嵌套边缘检测模型实现,所述获取运动模糊图像并基于边缘提取算法对运动模糊图像进行处理,得到运动模糊图像边缘这一步骤,其具体包括:

获取运动模糊图像并将运动模糊图像输入到预训练的整体嵌套边缘检测模型;

经过多级尺度分别输出多个特征图,得到输出信息;

将输出信息在每个输出特征图的通道维度上连接起来,并经过一个融合卷积层得到最终的边缘图像;

根据最终的边缘图像,得到运动模糊图像边缘。

4.根据权利要求3所述一种基于边缘增强的图像去模糊方法,其特征在于,所述预设的去模糊神经网络包括图像主体部分和边缘主体部分,所述图像主体部分包括图像下采样模块和图像上采样模块,所述边缘主体部分包括边缘下采样模块和边缘上采样模块。

5.根据权利要求4所述一种基于边缘增强的图像去模糊方法,其特征在于,所述将运动模糊图像和运动模糊图像边缘输入到预设的去模糊神经网络进行特征提取和特征融合,得到去模糊图像这一步骤,其具体包括:

将运动模糊图像和运动模糊图像边缘输入到预设的去模糊神经网络;

将运动模糊图像经过图像主体部分,得到内容特征;

将运动模糊图像边缘经过边缘主体部分,得到边缘特征;

将内容特征和边缘特征进行融合处理,得到去模糊图像。

6.根据权利要求5所述一种基于边缘增强的图像去模糊方法,其特征在于,所述将运动模糊图像经过图像主体部分,得到内容特征这一步骤,其具体包括:

运动模糊图像经过图像主体部分4级图像下采样模块和4级图像上采样模块分别提取特征图,并在每一级图像下采样模块中将图像下采样模块中对应维度的特征图与图像上采样模块中对应维度的特征图相加,得到长和宽均变为输入图像1/16的最终特征图;根据最终特征图得到内容特征。

7.根据权利要求6所述一种基于边缘增强的图像去模糊方法,其特征在于,所述将运动模糊图像边缘经过边缘主体部分,得到边缘特征这一步骤,其具体包括:

运动模糊图像边缘经过边缘主体部分的4级边缘下采样模块和4级边缘上采样模块分别提取特征图,并在每一级边缘下采样模块中将边缘下采样模块中对应维度的特征图与边缘上采样模块中对应维度的特征图相加,得到长和宽均变为输入图像1/16的最终边缘特征图;

根据最终边缘特征图得到边缘特征。

8.根据权利要求7所述一种基于边缘增强的图像去模糊方法,其特征在于,所述将内容特征和边缘特征进行融合处理,得到去模糊图像这一步骤,其具体包括:

在上采样过程中通过将边缘特征经过一个卷积层转化为通道为1的掩膜,得到边缘特征掩膜信息;

基于像素级相乘的方法将内容特征和边缘特征掩膜信息进行融合,得到去模糊图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011492603.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top