[发明专利]一种基于生成对抗网络的图像运动模糊盲去除方法

权利要求书

1.一种基于生成对抗网络的图像运动模糊盲去除方法，其特征在于包括以下步骤：

步骤1、生成对抗网络结构的搭建，所述的生成对抗网络包括生成器与判别器；

步骤2、建立用于网络训练的多分量损失函数；

步骤3、训练生成对抗网络，保存收敛的模型参数；

步骤4、测试训练好的生成对抗网络。

2.根据权利要求1所述的一种基于生成对抗网络的图像运动模糊盲去除方法，其特征在于：所述步骤1所述的生成器的搭建步骤为首先采用卷积层对图像进行下采样，其次级联九个残差模块和两个交叉注意力模块，自适应地整合局部特征和全局依赖，然后使用两个转置卷积进行上采样，最后通过卷积层还原成3通道生成图像用于输出，另外，在整个生成器首尾加入全局残差连接。

3.根据权利要求2所述的一种基于生成对抗网络的图像运动模糊盲去除方法，其特征在于：所述交叉注意力模块基于自注意力机制，通过计算特征图中每个像素点和其所在行和列上的其他像素点的相关性，进而获取所有特征位置上丰富的上下文信息。

4.根据权利要求1所述的一种基于生成对抗网络的图像运动模糊盲去除方法，其特征在于：判别器采用双尺度判别器，双尺度判别器由一个局部纹理判别器和一个全局结构判别器组成；这两个判别器在网络结构和参数上均采用PatchGAN，局部纹理判别器接受的是生成图像和真实清晰图像被随机裁剪成的70×70大小的图像补丁对,全局结构判别器接受的是完整的生成图像和真实清晰图像对；综合两种判别器结果，指导生成器生成更真实清晰的图像。

5.根据权利要求1所述的一种基于生成对抗网络的图像运动模糊盲去除方法，其特征在于，所述步骤2建立用于网络训练的多分量损失函数，具体如下：

所述多分量损失函数为四种损失函数的加权求和：

L＝αL_adv+βL_percep+γL_pixel+ηL_grad (3)

其中，L_adv、L_percep、L_pixel、L_grad分别代表对抗损失、感知损失、像素空间损失和图像梯度差损失，超参数α、β、γ、η分别为0.04、0.006、0.4、0.4；对抗损失为相对平均最小二乘损失函数，感知损失为清晰图像和去模糊图像经预训练好的VGG-19网络的第3个最大池化层之前的第3个卷积层后所获得的特征图的最小平方误差，像素级损失函数为生成图像和清晰图像对应像素的SmoothL 1损失，梯度图像的L1损失为真实清晰图像和生成图像两者的梯度图像的最小绝对值误差。

6.根据权利要求1所述的一种基于生成对抗网络的图像运动模糊盲去除方法，其特征在于：所述步骤3训练生成对抗网络，保存收敛的训练模型参数，具体如下：

首先将数据集中模糊-清晰图像对随机裁剪成尺寸为256×256×3，然后将模糊图像输入生成器，通过前向传播算法生成的去模糊图像与对应的真实清晰图像一起输入判别器，判别器对生成图像进行判别，输出真或假的判别结果，判别器通过损失函数计算出判别损失反向传播交替更新判别器和生成器的参数，在生成器和判别器的相互博弈中，得到复原能力更强的生成器，训练直到模型收敛，保存收敛后生成器的权重参数。

7.根据权利要求1所述的一种基于生成对抗网络的图像运动模糊盲去除方法，其特征在于：所述步骤4测试训练好的生成对抗网络，具体如下：

将待测试的模糊图像送入生成器，生成器利用保存好的权重参数生成相应的去模糊图像。