[发明专利]一种基于深度感知网络的图像失焦去模糊方法

说明书

本发明提供了一种基于深度感知网络的图像失焦去模糊方法，包括S1，对待去模糊图像进行预处理；S2，将待去模糊图像输入至已训练好的深度感知网络模型中，得到恢复图像；S3，将得到的恢复图像与真实清晰图像进行对比，计算衡量指标PSNR；本发明有效地利用深度图像的辅助失焦模糊的恢复，通过足够数据对网络进行训练使其学习退化映射，从而得到一个有效且快速的失焦去模糊图像复原网络，本发明可应用相机的图像处理中。

技术领域

本发明属于数字图像处理的技术领域，具体涉及一种基于深度感知网络的图像失焦去模糊方法，该方法能够将相机获得的带有失焦模糊的数字图像恢复成清晰的数字图像。

背景技术

在互联网普及和移动智能迅速发展的信息化时代，图像信息出现在生活的方方面面，人们可以便捷地通过移动智能设备，数码相机等传感器设备获取身边的数字图像，以及进行传播及分享。随着5G的发展，获取和分享已经与他人沟通的媒介逐渐从文本信息演变成数字图像，乃至视频等多媒体信息。数字图像和视频等多媒体信息不仅能提供更丰富多彩的信息和交互，还能简化用户的获取信息的成本。然而，通过移动设备或者数码相机获取的数字图像，在一些情况下会存在对焦不准，或者对焦错误，从而导致最终呈现的数字图像存在局部的失焦模糊。失焦模糊的存在会使得数字图像不能很好的表达所要展示的信息，因此，研究如何从失焦模糊的图像恢复得到清晰图像是不可缺少的课题。

图像去模糊是图像处理中常见的一种处理任务。失焦去模糊是指将存在对焦不准的图像恢复到清晰图像，以便后续的图像理解任务使用。目前的图像失焦去模糊相关的方法可以分为失焦模糊检测、失焦模糊图估计及失焦去模糊，其中失焦模糊检测的目的是区分出图像上哪些位置的像素是存在失焦模糊的，而失焦模糊图估计是估计一个二值图用来表示图像哪些位置存在失焦模糊，同时一些方法可以利用失焦模糊图作为辅助信息，进一步对存在失焦模糊的区域进行去模糊。近来随着深度学习的发展，一些方法通过卷积神经网络来估计失焦模糊图，从而进行失焦去模糊。

以往的失焦去模糊方法大都是基于数值优化或者图像先验约束的优化的方法，该类方法在失焦模糊比较简单的情况下能够得到不错的失焦去模糊效果，当图像存在的失焦模糊比较复杂或者失焦模糊比较严重时，传统的图像先验约束的优化方法不能得到理想的结果。

因此，行业内急需研发一种基于卷积神经网络的针对失焦模糊比较复杂或者失焦模糊比较严重时的去模糊方法或者系统。

发明内容

本发明的主要目的是一种寻找在失焦模糊情况下，能够将其恢复为清晰图像的基于深度感知网络的图像失焦去模糊方法。

为了达到上述目的，本发明采用以下技术方案：

一种基于深度感知网络的图像失焦去模糊方法，包括下述步骤：

S1，对待去模糊图像进行预处理；

S2，将待去模糊图像输入至已训练好的深度感知网络模型中，得到恢复图像；

S3，将得到的恢复图像与真实清晰图像进行对比，计算衡量指标PSNR；

其中，深度感知网络模型的训练包括下述步骤：

(1)获取失焦模糊图像数据库；

(2)将数据库内的失焦模糊图像进行预处理，将预处理后的失焦模糊图像划分为训练集和验证集；

(3)利用训练集对深度感知网络模型进行训练，保存训练完成的网络参数；

(4)利用验证集对深度感知网络模型进行验证。

优选地，步骤(1)中包括：选择并下载在真实场景下采集的高分辨率失焦模糊图像数据集。

优选地，步骤(2)中，在训练集中，清晰图像及对应的失焦模糊图像为一组。