[发明专利]基于多点扩散函数生成对抗网络的大景深成像方法及系统

权利要求书

1.一种基于多点扩散函数生成对抗网络的大景深成像方法，其特征在于，包括以下步骤：

步骤1：构建基于自动聚焦的多聚焦成像模型；

步骤2：获取小景深多聚焦图像和大景深真值图像，构建数据集；

步骤3：构建基于生成对抗网络的图像重建网络模型；

步骤4：根据步骤2得到的数据集，对步骤3得到的网络模型进行训练；训练过程中基于反向传播梯度下降算法最小化损失函数；

步骤5：将多聚焦图像输入步骤3得到的网络模型，即可得到重建的大景深图像；

所述步骤1中的多聚焦成像模型包括约束焦点设置模块，自动聚焦模块；

约束焦点设置模块通过设置约束成像焦点与最终自动聚焦成像焦点之间的距离选择约束成像焦点的位置；

自动聚焦模块利用自动聚焦过程在约束成像焦点处拍摄多聚焦图像；

所述步骤3中的网络模型包括生成器，生成器包括点扩散函数学习及反卷积模块、特征融合模块和特征重建模块；

点扩散函数及反卷积模块用于从多聚焦图像中提取空间和光谱特征，学习不同约束成像焦点处沿不同物方深度下的点扩散函数，并以此反卷积小景深多聚焦图像；

特征融合模块用于提取反卷积图像中的清晰特征并融合得到融合图像；

特征重建模块用于处理融合图像中出现的缺陷。

2.根据权利要求1所述的一种基于多点扩散函数生成对抗网络的大景深成像方法，其特征在于，所述网络模型还包括鉴别器，用于在训练阶段鉴别输入图像的真假，输入图像为生成器生成的重建图像及真值图像。

3.根据权利要求1所述的一种基于多点扩散函数生成对抗网络的大景深成像方法，其特征在于，所述点扩散函数学习及反卷积模块包括依次设置的n个卷积层、v个激活层、m个下采样层和m个上采样层、注意力层和b个归一化层。

4.根据权利要求1所述的一种基于多点扩散函数生成对抗网络的大景深成像方法，其特征在于，所述特征融合模块包括依次设置的卷积层、卷积SoftMax层。

5.根据权利要求1所述的一种基于多点扩散函数生成对抗网络的大景深成像方法，其特征在于，所述特征重建模块包括依次设置的4个卷积层、归一化层、激活层。

6.根据权利要求2所述的一种基于多点扩散函数生成对抗网络的大景深成像方法，其特征在于，所述鉴别器包括依次设置的4个卷积下采样层、归一化层和激活层。

7.根据权利要求2所述的一种基于多点扩散函数生成对抗网络的大景深成像方法，其特征在于，所述生成器的损失函数Г_G如下：

Γ_G＝PL+L_G+CFL

其中，L_G为生成器的对抗性损失函数，PL为感知损失函数，CFL为颜色保真度损失函数；

鉴别器的损失函数Г_D如下：

Γ_D＝L_D

其中，L_D为鉴别器的对抗性损失函数；

其中CFL为：

其中：k为原始图像个数，I_i为第i幅原始图像，R为重建图像，Sm为SoftMax算子；C为维度，H为高度，W为宽度。