[发明专利]一种二维码去模糊方法、装置、电子设备及存储介质

权利要求书

1.一种二维码去模糊方法，其特征在于，包括：

获取模糊二维码图片；

将所述模糊二维码图片输入预先构建并训练过的二维码去模糊模型，实现对模糊二维码图片的修正处理；

其中，所述二维码去模糊模型的构建和训练方法，包括：

获取二维码去模糊数据集，数据集中包括不同尺度的模糊图像特征图；

将所述不同尺度的模糊图像特征图输入预先构建的FPN结构的生成网络模块中进行预训练，生成预训练的二维码去模糊模型；

将所述预训练的二维码去模糊模型加入预先建立的双尺度判别器进行训练，获得训练完成的二维码去模糊模型。

2.根据权利要求1所述的二维码去模糊方法，其特征在于，所述FPN结构的生成网络模块包括多尺度特征FPN框架和轻量级MobileNetV3主干网，所述轻量级MobileNetV3主干网共有16层，其中第一层设有一个卷积层，第二层到第十二层由bneck模块构成，第十三层为一个卷积层，第十四层为平均池化层，第十五层、十六层由两个1x1卷积核构成。

3.根据权利要求1所述的二维码去模糊方法，其特征在于，将所述不同尺度的模糊图像特征图输入预先构建的FPN结构的生成网络模块中进行预训练时，采用L1损失函数：

L₁(f(x),y)＝∑|y-f(x)|

其中x表示输入的模糊图片，f(x)表示去模糊的图片，y表示与模糊图片对应的清晰图片。

4.根据权利要求1所述的二维码去模糊方法，其特征在于，所述双尺度判别器分别为尺寸70x70的局部特征判别器和256x256的全局图像判别器，两个判别器结构相同，判别器包含5层卷积模块，其中第一层卷积模块和第5层卷积模块由零填充函数ZeroPad2d和3x3大小的卷积核构成，第二层到第四层卷积模块加入了归一化函数BatchNorm2d。

5.根据权利要求1所述的二维码去模糊方法，其特征在于，将所述预训练的二维码去模糊模型加入预先建立的双尺度判别器进行训练时，训练过程损失函数包含像素空间损失函数、内容损失函数和对抗损失函数：

像素空间损失函数为：

其中S表示清晰图片，G(B)表示通过生成网络的去模糊图片，W、H表示图片维度；

对抗损失函数为：

L_adv＝E_{S～Psharp(S)}[(D(S)-E_{B～Pblurred(B)}D(G(B))-1)²]+E_{B-Pblurred(B)}[(D(G(B))-E_S-Psharp(S)D(S)+1)²]

其中S表示与输入模糊二维码图片相对应的清晰二维码图片，B表示输入的模糊二维码图片，D(G(B))表示将生成网络去模糊的图片输入判别器中，S-Psharp(S)表示在清晰的二维码图片集中取样，B-Pblurred(B)表示在去模糊的二维码图片集中取样，E为期望值；

内容损失函数为：

其中，S表示与输入模糊二维码图片相对应的清晰二维码图片，B表示输入的模糊二维码图片，W_i,j、H_i,j是特征图的维度，表示特征图的宽和高，是第i个池化层之前的第j个卷积的特征映射；

总体损失函数为：

L＝a×L_P+b×L_C+c×L_adv

其中参数a设置为0.006，参数b设置为0.5，参数c设置为0.01。