[发明专利]一种基于多任务CNN的图像去模糊方法有效
| 申请号： | 201910780508.0 | 申请日： | 2019-08-22 |
| 公开（公告）号： | CN110782399B | 公开（公告）日： | 2023-05-12 |
| 发明（设计）人： | 杨爱萍;张兵;杨炳旺;何宇清 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T5/50;G06N3/0464;G06N3/08 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 刘子文 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于多任务CNN的图像去模糊方法，包括以下步骤：(1)获取总训练集、测试集、预处理；(2)对图像进行多尺度缩放及参数设置；(3)基于多任务卷积神经网络去模糊；多任务卷积神经网络包括三个尺度，每个尺度分为图像去模糊模块、图像细节恢复模块和特征融合模块；图像去模糊模块包含图像编码块E和图像解码块D，图像编码块E提取图像特征并进行编码，然后经过图像解码块D得到去模糊图像；图像细节恢复模块只包含具有残差结构的卷积特征提取层，网络特征图大小与输入大小保持相同，只进行模糊图像高阶特征的提取和融合，为最终的图像恢复过程提供高频信息；特征融合模块包含一个图像合并模块和一个卷积层。 | ||
| 搜索关键词： | 一种 基于 任务 cnn 图像 模糊 方法 | ||
【主权项】：
1.一种基于多任务CNN的图像去模糊方法，其特征在于，包括以下步骤：/n(1)获取总训练集、测试集、预处理；/n(2)对图像进行多尺度缩放及参数设置；/n(3)基于多任务卷积神经网络去模糊；所述多任务卷积神经网络包括三个尺度，每个尺度分为图像去模糊模块、图像细节恢复模块和特征融合模块三部分；/n图像去模糊模块包含三个图像编码块E和三个图像解码块D，图像编码块E提取图像特征并进行编码，然后经过图像解码块D得到去模糊图像；/n图像细节恢复模块只包含padding为SAME的标准卷积层和具有残差结构的卷积特征提取层，其中标准卷积层和具有残差结构的卷积层的卷积核大小均为5x5，只进行模糊图像高阶特征的提取和融合，输出与输入图像大小相同的512x512的特征图，为最终的图像恢复过程提供高频信息；/n特征融合模块包含一个图像合并模块和一个卷积层，卷积核大小为5x5。/n
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天津大学，未经天津大学许可，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/201910780508.0/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
