[发明专利]一种基于边缘增强和失真估计的混合失真图像复原方法

说明书

本发明公开了一种基于边缘增强和失真估计的混合失真图像复原方法，涉及图像处理技术领域。该方法的具体实施方式包括：获取待复原图像；其中，待复原图像包括一种或多种失真；将包括一种或多种失真的待复原图像输入图像复原模型，将待复原图像输入特征提取模块，得到待复原图像的图像特征图；将图像特征图输入边缘检测模块，根据边缘检测模块的输出，得到边缘图像；将图像特征图输入失真估计模块，对待复原图像中的失真信息进行估计，得到失真向量；将图像特征图、边缘图像和失真向量输入图像重建模块，根据图像重建模块的输出，得到复原图像。该实施方式能够基于图像特征图、失真向量、边缘图像进行重建，得到复原后的图像，提高图像复原质量。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于边缘增强和失真估计的混合失真图像复原方法。

背景技术

图像复原是指对失真图像进行分析，以重建出高质量的清晰图像，能够有效提高后续图像利用过程中目标检测、图像分割等高级视觉任务的准确率，可以应用于工业生产、公共安全领域、医学工程等各种领域。

失真图像通常包括多种失真方式，包括图像噪声、图像模糊、压缩失真等，现有的混合失真的图像复原方法通常包括预知失真类型的混合失真复原和未知失真类型的混合失真复原，前者采用去噪、超分辨率、去马赛克等方式流水线地对失真图像进行操作，后者采用双重先验(失真先验和图像先验)学习的混合多失真增强算法、SVM判断失真类型+流水线处理方法、失真检测与复原一体化的图像复原方法等。

然而，预知失真类型的混合失真图像复原方法无法处理单一失真图像，兼容性较差。双重先验学习的混合多失真增强算法处理时间超长、复原效果和迭代次数相关，导致使用成本极高，效率低下；SVM判断失真类型+流水线处理方法并未考虑失真类型之间的相互干扰，去除一种失真的同时会引入新的失真干扰，导致复原出的图像质量欠佳；失真检测与复原一体化的图像复原方法无法较为准确地描述各种失真的失真程度，失真检测和复原衔接松散，复原质量差。

发明内容

有鉴于此，本发明提供了一种基于边缘增强和失真估计的混合失真图像复原方法，能够首先提取输入图像的图像特征图，对图像的失真信息进行估计，得到失真向量，同时利用图像特征图对图像的边缘进行检测得到边缘图像，基于图像特征图、失真向量、边缘图像进行重建，得到复原后的图像，可以充分利用图像的边缘特征，丰富图像复原过程中的边缘细节，提高图像复原质量。

实现本发明的技术方案如下：

一种基于边缘增强和失真估计的混合失真图像复原方法，包括：

获取待复原图像；其中，所述待复原图像包括一种或多种失真；

将包括一种或多种失真的所述待复原图像输入图像复原模型，所述图像复原模型包括特征提取模块、边缘检测模块、失真估计模块和图像重建模块，其中：

所述图像复原模型将所述待复原图像输入所述特征提取模块，得到所述待复原图像的图像特征图；

将所述待复原图像的图像特征图输入所述边缘检测模块，根据所述边缘检测模块的输出，得到边缘图像；

将所述待复原图像的图像特征图输入所述失真估计模块，对所述待复原图像中的失真信息进行估计，得到所述待复原图像的失真向量；

将所述图像特征图、所述边缘图像和所述失真向量输入所述图像重建模块，根据所述图像重建模块的输出，得到所述待复原图像的复原图像。

可选地，所述特征提取模块由1个卷积层和m个残差块组成，每个残差块包含2个3×3的卷积层，2个卷积层之间使用LeakyReLU激活函数进行激活；其中，5m10。

可选地，所述边缘检测模块由n个残差块、2个卷积层和1个LeakyReLU激活函数组成；其中，5n10。