[发明专利]一种基于混合深先验的RFID标签图像运动去模糊方法

说明书

本发明公开了一种基于混合深先验的标签图像运动模糊去除方法，包括步骤：(1)将随机生成的模糊核与随机选出的部分清晰标签图像进行卷积，生成标签模糊图像数据集；(2)构建标签图像深先验；(3)选用交叉熵作为损失函数，将标签模糊图像数据集作为训练集，进行标签图像深先验训练；(4)构建标签图像的混合深先验；(5)将混合深先验插入最大后验框架求解模型中，求解出潜在的清晰图像；(6)对标签运动模糊图像盲反卷积中的模糊核进行估计；(7)重复步骤(5)和步骤(6)，直接求解出最佳的清晰图像为止。本发明的方法能有效去除标签图像中存在的运动模糊问题，为后续基于图像的标签位置的高精度测量奠定了基础。

技术领域

本发明涉及RFID标签图像运动去模糊方法，尤其涉及一种基于混合深先验的RFID标签图像运动去模糊方法。

背景技术

射频识别(Radio Frequency Identification，RFID)是一种非接触式自动识别技术。它会自动识别目标物体并通过射频信号获取数据。识别过程不需要人工干预，并且可以在各种恶劣的环境下工作。RFID技术已经广泛应用于智能交通、仓储物流、目标定位等领域。然而在智慧物流中，由于网上购物的普及，需要使用大量的RFID标签用于批量货物的出入库信息采集与货物盘点。在RFID标签的批量应用中，标签的几何位置分布会对标签组的整体识读性能产生影响。为了研究多标签几何位置分布对识读性能的影响，需要对标签的位置分布进行量测。

在物体测量建模领域，基于机器视觉的测量方法由于其非接触，范围大，全自动的优点等而到广泛的应用。在利用机器视觉对标签的位置坐标进行非接触测量过程中，由于标签和CCD相机之间的相对运动会导致获取的标签图像中存在一定程度的运动模糊，这些运动模糊的存在会严重影响后续的标签位置非接触测量的精度。为了消除运动模糊以实现高精度测量，需要附加的约束条件和先验知识。现有先验通常是复杂的手工先验，但是，手工先验需要太多的手动设置预输入参数。近年来，一些学者基于数据驱动的方式构建了可学习的深度先验。但是，深度先验无法适应任意模糊。

发明内容

发明目的：本发明的目的是提供一种将手工先验与流行的深度先验相结的基于混合深先验的RFID标签图像运动去模糊方法。

技术方案：本发明的RFID标签图像运动去模糊方法，包括以下步骤：

(1)利用已收集的清晰标签图像，随机生成模糊核；将随机生成的模糊核与随机选出的清晰标签图像进行卷积，生成标签模糊图像数据集，作为训练的正样本；同时将剩余的清晰标签图像作为负样本；

(2)采用判别式二分类器构建标签图像深先验；

(3)选用交叉熵作为损失函数，同时将标签模糊图像数据集作为训练集，进行标签图像深先验训练；

(4)将训练好的深先验与传统的l₀先验组合,构成标签图像的混合深先验；

(5)进行标签运动模糊图像盲反卷积，将混合深先验插入最大后验框架求解模型中，求解出潜在的清晰图像；

(6)采用l₂正则化方法对标签运动模糊图像盲反卷积中的模糊核进行估计；

(7)重复步骤(5)和步骤(6)，直到求解出最佳的清晰图像为止。

进一步，所述步骤(1)中生成标签模糊图像的实现包括如下步骤：

(11)选用Boracchi和Foi方法随机生成多个模糊核，模糊核的大小范围从7×7像素到51×51像素；

(12)将随机生成的模糊核与清晰标签图像进行卷积，并加上标准为σ₁＝0.01的高斯白噪声生成标签模糊图像。

进一步，所述步骤(2)中判别式二分类器由残差网络构成，残差网络包含多层，实现步骤如下：