[发明专利]一种基于图像区域划分的非均匀一致模糊去除方法

权利要求书

1.一种基于图像区域划分的非均匀一致模糊去除方法，其特征在于步骤如下：

步骤1：模糊图像特征提取

针对单帧模糊图像B，设计一个特征提取编码器f_E，通过该编码器提取出图像中有利于后续重建清晰图像的特征图F；

步骤2：自适应图像区域划分注意力图提取

将步骤1中得到的特征图F输入到两个不同的自适应图像区域划分注意力模块：强模糊检测模块f_{A_L}和弱模糊检测模块f_{A_S}中，分别输出检测到的强模糊区域的注意力图I_{att_L}和弱模糊区域的注意力图I_{att_S}；

步骤3：两分支清晰图像重建

分别将步骤2输出的模糊区域的注意力图I_{att_L}和弱模糊区域的注意力图I_{att_S}，与步骤1的特征图F进行按位点乘，并加上输入的特征图F，提取出按照图像成份被划分出的强模糊区域和弱模糊区域在原始特征图上的特征信息；随后分别输入到强模糊和弱模糊去除的解码器模块f_{D_L}和f_{D_S}中，采用两个解码器分支同时重建潜在的清晰图像的形式，分别得到去除强模糊及弱模糊后的图像和

上式⊙表示特征图按位点乘；

步骤4：融合重建最终清晰图像

将步骤3输出的和同时输入到特征融合模块f_f，经过f_f后，已经分别去除了大、弱模糊的图像区域得到了融合，进而生成完整的去模糊后的最终清晰图像

步骤5：训练阶段损失函数计算

模型的损失函数总共包含3个：整体重建损失L_re、强模糊区域重建损失L_l以及弱模糊成分重建损失L_s；

整体重建损失L_re由重建出的清晰图像和真值I_gt计算MSE距离得到：

强、弱模糊区域重建损失和整体重建损失相似，计算公式如下：

x_i表示图像在i处的像素值，L_gt和S_gt为强弱模糊区域重建的图像对应的真值，和分别表示强弱模糊重建分支的输出结果；网络模型最终的损失函数loss为：

loss＝L_re+λ₁×L_s+λ₂×L_l

其中，λ₁＝λ₂＝0.1为权重参数。

2.根据权利要求1所述的一种基于图像区域划分的非均匀一致模糊去除方法，其特征在于步骤2中所述的强模糊检测模块f_{A_L}和弱模糊检测模块f_{A_S}的网络结构相同。