[发明专利]一种基于Bi-Skip-Net的图像去模糊算法

摘要

本发明涉及数字图像处理领域，特别一种基于Bi‑Skip‑Net的图像去模糊方法,是一种Bi‑Skip‑Net网络来实现模糊图像复原,旨在解决现有深度学习去模糊算法存在的时间复杂度高、纹理恢复不准确、复原图像存在方格效应等问题。本发明公开的一种Bi‑Skip‑Net网络来作为GAN(Generative Adversarial Network)的生成网络，旨在解决现有深度学习去模糊算法存在的缺点,通过对比现有最优算法，本发明在时间复杂度上提升了0.1s，在图像复图像原性能上平均提升了1dB。

主权项

1.一种基于Bi‑Skip‑Net的图像去模糊方法，包括如下步骤：1)输入模糊图像，通过卷积核尺寸为7x7，步长为1的卷积层得到浅层特征；2)将浅层特征通过3个残差块得到当前尺度下的深度特征；3)将深度特征进行下采样加残差的模式得到下一个尺度下的浅层特征；4)按照规定的下采样次数n，重复步骤2，3获取不同尺度下的浅层特征和深度特征，并且在最小尺度下不获取深度特征；5)将最小尺度的浅层特征作为基本特征；6)将上一层尺度的浅层特征经过卷积核大小为1x1，步长为1的卷积层得到浅层降维特征；将对应的深度特征经过卷积核大小为3x3，步长为2的卷积层得到深度降维特征，并与基本特征串联进行上采样；将上采样后的特征与浅层降维特征进行串联得到当前尺度下的基本特征；7)重复步骤6直到采样操作截止；8)将得到的基本特征经过卷积核大小为7x7,步长为1的卷积层得到残差特征；9)将残差特征与输入图像相加得到复原图像；10)采用Bi‑Skip‑Net加残差的模式作为生成器。