[发明专利]一种基于深度特征的图像去模糊方法

权利要求书

1.一种基于深度特征的图像去模糊方法，其特征在于，包括以下步骤：

步骤1：模糊图像数据集制作：

步骤1.1：数据集的获取；

步骤1.2：将获取的数据集进行分类，划分为训练集、验证集及测试集；

步骤1.3：读取预训练模型，并读入模糊图像目录；

步骤2：图像预处理阶段：

步骤2.1:原始模糊图像进行灰度化处理；

步骤2.2:利用消色算法处理图像；

步骤3：运用骨干网络VGG16增加网络深度，扩展输入图像的感受野范围并利用骨干网络VGG16对感受野增大的原始模糊图像进行特征提取；

步骤4：选择局部图像块，估计模糊核，利用标准的非盲去卷积去模糊算法进行模糊图像复原；

步骤5：构建双损失函数，利用平滑度损失函数和色彩损失函数对初始去模糊图像进行优化处理，抑制振铃效应的产生。

2.根据权利要求1所述的一种基于深度特征的图像去模糊方法，其特征在于，所述步骤3的具体步骤如下：

(1)对于一个标准的VGG16网络，输入一幅R^h×w×m的特征图I，其中h、w、m分别代表特征图的高、宽和输入特征图的通道数，I与R^s×s×m×n进行无增加网络深度的卷积操作，得到R^{(h-s+1)×(w-s+1)×n}的输出特征图O：

其中：s代表卷积核的尺寸，n代表输出特征图的通道数，O(y,x,j)代表第j个特征图中点(y,x)的值；K(u,v,i,j)代表第j个卷积核中第i个通道上点(u,v)上的值；I(y,x,j)代表第i个输入通道上点(y,x)的值；

(2)输入同样的特征图I，用扩张率为r同尺寸大小的卷积核K进行卷积操作，得到输出特征图O_d：

3.根据权利要求1或2所述的一种基于深度特征的图像去模糊方法，其特征在于，所述步骤5中，双损失函数如下：

其中，代表平滑度损失函数，代表色彩损失函数。ω_s、ω_c是相应部分的权重。