[发明专利]一种基于深度神经网络的图像非均匀运动模糊去除方法

摘要

一种基于深度神经网络的图像非均匀运动模糊去除方法，包括深度神经网络参数训练、深度网络应用于图像实现运动模糊估计和去除两大步骤。深度网络结构由卷积网络层和前向网络层构成，该网络模型训练过程为：用自然图像生成模糊图像块和模糊核对，用上述数据训练深度神经网络模型参数。给定一幅运动模糊图像，将图像分解为带重叠区域的图像块集，将每个图像块输入深度神经网络输出图像块对应的运动模糊核概率分布，进一步通过优化马尔可夫随机场模型获得图像逐点不同的运动模糊核。最后，基于上述估计的运动模糊核，通过解卷积算法获得去模糊图像。由于深度神经网络的强学习能力，本发明可以精确的估计图像非均匀运动模糊，进一步获得清晰图像。

主权项

一种基于深度神经网络的图像非均匀运动模糊去除方法，其特征在于，包括如下步骤：1)将相机相对于场景的运动向量空间量化为N个不同的运动向量，构成运动模糊核集G，每个运动向量对应于G中的一个运动模糊核；采集不少于100张图像，将N个不同运动向量对应的运动模糊核分别应用于各个图像，获得各自的模糊图像，在上述各个模糊图像中分别截取多个M×M大小的模糊图像块，并与对应的运动模糊核共同构成训练数据集，每个训练数据由一个图像块和与其对应的运动模糊核构成；2)构造深度神经网络，用训练数据集学习深度神经网络的网络权重数据，学习到用于运动模糊核估计的深度神经网络；3)在待处理运动模糊图像上每隔s×s个像素截取大小为M×M的图像块集合，将图像块集合中的每个图像块输入到深度神经网络中，输出每个图像块的对应于运动模糊核集G中不同运动模糊核的概率；4)融合不同图像块的运动模糊核概率获得逐个像素点对于不同运动模糊核的置信度，进一步通过优化马尔可夫随机场模型求得每个像素点的最优运动模糊核；5)基于获得的图像逐点运动模糊核，通过优化图像块先验约束的去卷积能量函数，获得待处理运动模糊图像对应的去模糊图像。