[发明专利]一种图像去模糊方法和装置

权利要求书

1.一种图像去模糊方法，其特征在于，包括：

将模糊图像输入预先训练好的去模糊网络；

利用所述去模糊网络对输入的模糊图像进行去模糊处理；

其中，所述去模糊网络包括结构和参数相同的多个级联子网络，且在所述多个级联子网络中，子网络的级联位置越靠前，相应的输入图像尺寸越小；

每个子网络的输入为两个图像在通道维度上的拼接结果；第一个子网络的输入为缩放后的两个所述模糊图像的拼接结果，除所述第一个子网络外的其他子网络的输入为前一个子网络的输出图像放大后的结果和所述模糊图像缩放至与所述放大后的结果尺寸相同的图像的拼接结果；

在级联的多个U型子网络中，各级U型子网络中的图像的尺寸是逐级增加的；

根据设备的实际性能和/或对复原图像的清晰度要求，确定参与去模糊处理的U型子网络的个数N。

2.根据权利要求1所述的方法，其特征在于，所述子网络为U型子网络；

其中，在每个U型子网络中，对输入图像依次进行多级下采样处理后进行卷积处理，再对卷积处理结果进行与所述多级下采样处理分别对应的多级上采样处理，得到输出图像，每级上采样处理的输入包括上一级处理的输出和对应下采样处理的输出；通过残差模块实现所述下采样处理。

3.根据权利要求1所述的方法，其特征在于，训练所述去模糊网络时使用的训练数据是：清晰图像以及由清晰图像生成的对应模糊图像组成的图像对；

由清晰图像生成对应模糊图像的方式包括：

在所述清晰图像上叠加脉冲噪声和/或斑点噪声后生成对应模糊图像；或者，

利用高斯函数对清晰图像进行计算生成对应模糊图像；或者，

将所述清晰图像按照设定方向移动后与原始位置的所述清晰图像叠加，并利用模糊核对叠加后的图像进行模糊处理，生成按照所述设定方向运动后的对应模糊图像。

4.根据权利要求3所述的方法，其特征在于，所述清晰图像上目标的运动速度越快，生成对应模糊图像时使用的所述模糊核越大。

5.根据权利要求2所述的方法，其特征在于，在所述下采样处理后进一步包括池化处理，在与所述下采样处理对应的上采样处理前进一步包括与所述池化处理对应的上采样处理。

6.根据权利要求2或5所述的方法，其特征在于，所述上采样处理为反卷积处理或双线性插值处理。

7.根据权利要求1所述的方法，其特征在于，所述利用所述去模糊网络对输入的模糊图像进行去模糊处理包括：

利用所述去模糊网络中的前N个子网络进行处理，并将处理结果作为去模糊处理的结果；其中，所述N≤M，M为所述去模糊网络包括的子网络的总数，所述N和M均为正整数。

8.一种图像去模糊装置，其特征在于，包括：输入单元和处理单元；

所述输入单元，用于将模糊图像输入处理单元；

所述处理单元，用于利用预先训练好的去模糊网络对所述模糊图像进行去模糊处理；

其中，所述去模糊网络包括结构和参数相同的多个级联子网络，且在所述多个级联子网络中，子网络的级联位置越靠前，相应的输入图像尺寸越小；

每个子网络的输入为两个图像在通道维度上的拼接结果；第一个子网络的输入为缩放后的两个所述模糊图像的拼接结果，除所述第一个子网络外的其他子网络的输入为前一个子网络的输出图像放大后的结果和所述模糊图像缩放至与所述放大后的结果尺寸相同的图像的拼接结果；

在级联的多个U型子网络中，各级U型子网络中的图像的尺寸是逐级增加的

根据设备的实际性能和/或对复原图像的清晰度要求，确定参与去模糊处理的U型子网络的个数N。

9.根据权利要求8所述的装置，其特征在于，所述子网络为U型子网络；其中，在每个U型子网络中，对输入图像依次进行多级下采样处理后进行卷积处理，再对卷积处理结果进行与所述多级下采样处理分别对应的多级上采样处理，每级上采样处理的输入包括上一级处理的输出和对应下采样处理的输出；通过残差模块实现所述下采样处理。