[发明专利]一种车牌图像的模糊图像生成方法

说明书

本发明提供一种车牌图像的模糊图像生成方法，包括以下步骤：建立非真实场景的清晰‑模糊图像对样本集合；对模糊图像生成器模型进行预训练；将预训练的模糊图像生成器模型，迁移到真实场景的清晰‑模糊图像对样本集合中进行进一步训练，得到最终训练完成的模糊图像生成器模型。具有以下优点：(1)模糊图像生成器模型，可以生成足够多的模拟真实场景的模糊图像，形成清晰‑模糊配对图像，解决了大批量收集真实场景下的清晰‑模糊配对图像难度大的问题。(2)模糊图像生成器模型，学习了运动模糊、高斯模糊、图像金字塔模糊、真实场景图形模糊的多样特征，解决模糊图像模式单一、无法模拟真实环境中复杂的模糊图像的问题。

技术领域

本发明属于计算机视觉、深度学习技术领域，具体涉及一种车牌图像的模糊图像生成方法。

背景技术

使用深度学习方法进行图像去模糊时，需要使用大量图像内容相同的清晰-模糊配对图像数据进行模型的训练和测试，但是，大批量收集真实场景下的清晰-模糊配对图像数据难度大，或者现实中无法大批量收集。现有清晰-模糊配对图像数据获取方法主要是：通过单一模糊算法，将清晰图像生成模糊图像。此种方法形成的配对模糊图像的模式过于单一，无法模拟真实环境中复杂的模糊图像，由此种数据训练的模型在真实场景中图像去模糊效果不理想。

发明内容

针对现有技术存在的缺陷，本发明提供一种车牌图像的模糊图像生成方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种车牌图像的模糊图像生成方法，包括以下步骤：

步骤1，建立非真实场景的清晰-模糊图像对样本集合S；

所述非真实场景的清晰-模糊图像对样本集合S表示为：S＝{(s₀₁,s₁₁),(s₀₂,s₁₂),....(s_0n,s_1n)}；其中，n代表样本集合S中的清晰-模糊图像对的数量；令i＝1,2,...,n，第i个清晰-模糊图像对(s_0i,s_1i)含义为：s_0i代表第i个清晰-模糊图像对中的清晰图像样本，s_1i代表第i个清晰-模糊图像对中的模糊图像样本，并且，清晰图像样本s_0i和模糊图像样本s_1i为配对图像，图像内容相同，仅清晰度不相同；模糊图像样本s_1i获取方法为：通过模糊算法对清晰图像样本s_0i进行模糊处理后生成的模糊图像；

步骤2，构建模糊图像生成器模型；

所述模糊图像生成器模型包括：生成器、鉴别器、鉴别器优化器和生成器优化器；

步骤3，采用步骤1建立的非真实场景的清晰-模糊图像对样本集合S，预训练所述模糊图像生成器模型，得到预训练后的模糊图像生成器模型；

对所述模糊图像生成器模型进行预训练的训练方法为：

步骤3.1，令k＝1；

步骤3.2，将清晰图像样本s_0k输入生成器；所述生成器对所述清晰图像样本s_0k进行特征提取，输出与清晰图像样本s_0k相同尺寸的生成图像U_0k；

步骤3.3，将所述生成图像U_0k输入鉴别器；所述鉴别器对所述生成图像U_0k进行多次下采样，并进一步提取所述生成图像U_0k的抽象特征信息，输出特征向量W_0k；