[发明专利]一种风力发电设备图像的去模糊方法

权利要求书

1.一种风力发电设备图像的去模糊方法，其特征在于，包括：

将待处理的风力发电设备模糊图像输入训练好的去模糊模型，得到复原的风力发电设备图像；

其中，所述去模糊模型为基于DeblurGANv2模型的改进得到的，所述DeblurGANv2模型包括生成器和判别器，所述基于DeblurGANv2模型的改进包括，将DeblurGANv2模型的生成器的骨干网络替换为精简的GhostNet网络。

2.根据权利要求1所述的去模糊方法，其特征在于，

所述精简的GhostNet网络为9层网络结构，其中，第1层为普通卷积层，第2～9层为Ghost bottleneck层。

3.根据权利要求2所述的去模糊方法，其特征在于，所述精简的GhostNet网络的第4层和第5层之间设有3层通道注意力模块，所述精简的GhostNet网络的第7层和第8层之间设有3层通道注意力模块，所述精简的GhostNet网络的第8层和第9层之间设有1层通道注意力模块；所述通道注意力模块用于加强对模糊图像的特征的提取。

4.根据权利要求1所述的去模糊方法，其特征在于，

在去模糊模型的生成器的特征金字塔结构中，使用双线性插值对特征图进行上采样处理，用于获得平滑的上采样特征图。

5.根据权利要求1所述的去模糊方法，其特征在于，训练所述去模糊模型所用的数据集包括模糊图像集和清晰图像集，获取所述模糊图像集和所述清晰图像集的方式包括第一获取方式和/或第二获取方式，其中，

第一获取方式包括：使用高速摄像机拍摄风力发电设备得到多副连续的高帧率源图像；取所述高帧率源图像中连续的奇数帧图像，将所述连续的奇数帧图像的平均值作为模糊图像，放入所述模糊图像集；将所述连续的奇数帧图像中的中间帧图像作为模糊图像对应的清晰图像，放入所述清晰图像集；

第二获取方式包括：使用模糊核对清晰图像卷积，得到对应的模糊图像，将模糊图像放入模糊图像集，将清晰图像放入清晰图像集。

6.根据权利要求5所述的去模糊方法，其特征在于，所述获取所述模糊图像集和所述清晰图像集的方式还包括，对所述模糊图像集和所述清晰图像集进行数据增强；

所述数据增强包括：对模糊图像集中的模糊图像和清晰图像集中对应的清晰图像同时进行下述一项或多项操作：左右翻转变换操作、随机仿射变换操作、转置变换操作、非刚体变换操作、色彩随机变换操作、饱和度随机变换操作、亮度随机变换操作、对比度随机变换操作、随机擦除操作。