[发明专利]一种基于深度学习网络的无参考图像模糊程度估计方法有效
| 申请号： | 201710909377.2 | 申请日： | 2017-09-29 |
| 公开（公告）号： | CN109598695B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 岳涛;索津莉;袁飞;黄华;陈鑫 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T9/00 |
| 代理公司： | 南京知识律师事务所 32207 | 代理人： | 李媛媛 |
| 地址： | 210046 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习网络的无参考图像模糊程度估计方法。具体步骤如下：(1)对图像进行预处理，生成训练数据；(2)用清晰和模糊图像块训练双通道清晰/模糊感知网络，提取清晰和模糊特征并重建输入；(3)将清晰/模糊感知网络提取的特征作为联合感知网络的输入，用模糊图像块训练联合感知网络，获取模糊的本质特征；(4)训练非线性特征映射和回归网络，将步骤(3)的本质特征映射到模糊程度上；(5)对整个网络进行微调，优化所有参数。本方法在无参考轻微模糊的模糊程度估计准确度取得比较好的效果，可以有效应用于模糊检测、深度估计和景深编辑、去雾等方面。 | ||
| 搜索关键词： | 一种 基于 深度 学习 网络 参考 图像 模糊 程度 估计 方法 | ||
【主权项】：
1.一种基于深度学习网络的无参考图像模糊程度估计方法，其特征在于，包括如下步骤：步骤1，生成训练数据：对图像进行下采样，截取图像中有结构或有纹理的清晰图像块，用高斯模糊核卷积清晰图像块生成模糊图像块；步骤2，用清晰图像块和模糊图像块分别训练清晰感知网络和模糊感知网络这两个稀疏自编码器；分别提取清晰和模糊的有效特征，并对输入进行解码重建；步骤3，将清晰感知网络和模糊感知网络提取的特征作为联合感知网络的输入，用模糊图像块训练联合感知网络，获取模糊的本质特征；步骤4，训练非线性特征映射和回归网络，将步骤3的本质特征映射到模糊程度上；步骤5，对整个网络进行微调，优化所有参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学，未经南京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710909377.2/，转载请声明来源钻瓜专利网。
