[发明专利]一种基于U型动态网络的屏下相机图像复原方法

权利要求书

1.一种基于U型动态网络的屏下相机图像复原方法，包括以下步骤：

采集目标图像；

将目标图像输入到经训练的图像复原模型，获得重建图像；

其中，所述图像复原模型包括基础网络、条件分支和内核分支，所述基础网络用于提取输入图像的多尺度信息；所述条件分支用于自适应地调制基础网络提取的中间特征，以针对输入图像生成不同空间分辨率的条件特征；所述内核分支基于输入图像和点扩散函数特征在通道维度上合并后的特征，生成不同空间分辨率的动态卷积核；所述基础网络对输入图像进行前向传播过程中，将所述条件特征和所述动态卷积核整合进设定位置。

2.根据权利要求1所述的方法，其特征在于，所述基础网络是U型结构网络，基于提取特征的深度被划分包含浅层网络和深层网络，所述浅层网络通过不断增长的感受野逐步提取特征，并将输入图像映射为高维表示；所述深层网络从解码过程中学习获得深层特征，并且该U型结构网络经由跳跃连接将所述浅层特征和所述深层特征进行结合。

3.根据权利要求1所述的方法，其特征在于，所述条件分支包括第一卷积层、第一残差块层、多个下采样支路和空间特征变换层，其中输入图像经第一卷积层执行卷积操作后，进入到所述第一残差块层；再经由所述多个下采样支路，生成具有不同分辨率的空间条件特征；进而所获得的空间条件特征通过所述空间特征变换层整合进入到所述基础网络的前向传播中。

4.根据权利要求3所述的方法，其特征在于，所述空间特征变换层SFT的操作表示为：

SFT(x)＝α⊙x+β

其中“⊙”代表逐点乘法，x是所述基础网络中的中间特征，α和β是所述空间特征变换层从所述条件分支的输出特征中学习到的调制系数特征图。

5.根据权利要求1所述的方法，其特征在于，所述内核分支包括第二卷积层、第二残差块层和多个采样支路，所述第二卷积层以点扩散函数特征和输入图像在特征维度上的合并特征作为输入，变换通道数后进入所述第二残差块层，所述多个采样支路分别连接所述第二残差块层，用于生成不同空间分辨率的动态卷积核，进而对动态卷积核的每个像素进行动态卷积。

6.根据权利要求1所述的方法，其特征在于，训练所述图像复原模型的损失函数设置为：

Mapping_L₁(Y,X)＝|Mapping(Y)-Mapping(X)|

其中，Y表示所述图像复原模型生成的复原图像，X表示对应的真实图像，Mapping是将图像转换为标准图像的色调映射函数，用于将图像值归一化为[0，1]，Mapping_L₁(Y,X)表示将色调映射后的Y和X之差的L₁范数作为损失函数。

7.根据权利要求6所述的方法，其特征在于，所述色调映射函数设置为：

Mapping(I)＝I/(I+0.25)

其中，I表示图像，是色调映射函数Mapping的输入的通用表达。

8.根据权利要求1所述的方法，其特征在于，所述点扩散函数特征根据以下步骤获得：

将点扩散函数经过主成分分析得到一个多维向量；

复制所述多维向量，并将其空间维度扩充到与输入图像一致，得到所述点扩散函数特征。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现根据权利要求1至8中任一项所述方法的步骤。

10.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。