[发明专利]一种车牌图像的模糊图像生成方法

权利要求书

1.一种车牌图像的模糊图像生成方法，其特征在于，包括以下步骤：

步骤1，建立非真实场景的清晰-模糊图像对样本集合S；

所述非真实场景的清晰-模糊图像对样本集合S表示为：S＝{(s₀₁,s₁₁),(s₀₂,s₁₂),....(s_0n,s_1n)}；其中，n代表样本集合S中的清晰-模糊图像对的数量；令i＝1,2,...,n，第i个清晰-模糊图像对(s_0i,s_1i)含义为：s_0i代表第i个清晰-模糊图像对中的清晰图像样本，s_1i代表第i个清晰-模糊图像对中的模糊图像样本，并且，清晰图像样本s_0i和模糊图像样本s_1i为配对图像，图像内容相同，仅清晰度不相同；模糊图像样本s_1i获取方法为：通过模糊算法对清晰图像样本s_0i进行模糊处理后生成的模糊图像；

步骤2，构建模糊图像生成器模型；

所述模糊图像生成器模型包括：生成器、鉴别器、鉴别器优化器和生成器优化器；

步骤3，采用步骤1建立的非真实场景的清晰-模糊图像对样本集合S，预训练所述模糊图像生成器模型，得到预训练后的模糊图像生成器模型；

对所述模糊图像生成器模型进行预训练的训练方法为：

步骤3.1，令k＝1；

步骤3.2，将清晰图像样本s_0k输入生成器；所述生成器对所述清晰图像样本s_0k进行特征提取，输出与清晰图像样本s_0k相同尺寸的生成图像U_0k；

步骤3.3，将所述生成图像U_0k输入鉴别器；所述鉴别器对所述生成图像U_0k进行多次下采样，并进一步提取所述生成图像U_0k的抽象特征信息，输出特征向量W_0k；

将所述模糊图像样本s_1k输入鉴别器；所述鉴别器对所述模糊图像样本s_1k进行多次下采样，并进一步提取所述模糊图像样本s_1k的抽象特征信息，输出特征向量W_1k；

步骤3.4，令k＝k+1，判断k是否大于n；如果不大于，则返回步骤3.2；如此不断循环，直到当k大于n时，执行步骤3.5；

步骤3.5，由此得到n组特征向量，分别为：(W₀₁,W₁₁),(W₀₂,W₁₂),...,(W_0n,W_1n)；

步骤3.6，计算每组特征向量的偏差，并求和，得到总偏差；根据总偏差，分别得到鉴别器损失函数D_loss和生成器损失函数G_loss；

步骤3.7，鉴别器损失函数D_loss经过鉴别器优化器计算，得到对鉴别器网络参数的更新值，进而更新鉴别器网络参数，得到本轮优化后的鉴别器；

生成器损失函数G_loss经过生成器优化器计算，得到对生成器网络参数的更新值，进而更新生成器网络参数，得到本轮优化后的生成器；

步骤3.8，判断生成器网络是否收敛，如果没有收敛，返回步骤3.1，进行下一轮的预训练；如果收敛，则停止训练，得到预训练后的模糊图像生成器模型；

步骤4，建立真实场景的清晰-模糊图像对样本集合P；

所述真实场景的清晰-模糊图像对样本集合P表示为：P＝{(p₀₁,p₁₁),(p₀₂,p₁₂),....(p_0m,p_1m)}；其中，m代表样本集合P中的清晰-模糊图像对的数量；令j＝1,2,...,m，第j个清晰-模糊图像对(p_0j,p_1j)含义为：p_0j代表第j个清晰-模糊图像对中的清晰图像样本，p_1j代表第j个清晰-模糊图像对中的模糊图像样本，并且，清晰图像样本p_0j和模糊图像样本p_1j为配对图像，图像内容相同，仅清晰度不相同；模糊图像样本p_1j和清晰图像样本p_0j均为真实场景下直接拍摄得到的图像；

步骤5，迁移学习训练：

将步骤3预训练后的模糊图像生成器模型，迁移到步骤4建立的真实场景的清晰-模糊图像对样本集合P中进行进一步训练，得到最终训练完成的模糊图像生成器模型；

步骤6，从步骤5训练完成的模糊图像生成器模型中，提取出生成器，为训练完成的生成器；

当需要得到一张清晰图像Tu(0)的模糊图像时，将所述清晰图像Tu(0)输入所述训练完成的生成器中，所述训练完成的生成器输出与所述清晰图像Tu(0)配对的模糊图像Tu(1)，所述模糊图像Tu(1)为模拟真实场景，对清晰图像Tu(0)进行模糊处理后生成的图像。