[发明专利]一种基于Transformer的运动图像去模糊方法

权利要求书

1.一种基于Transformer的运动图像去模糊方法，包括如下步骤：

S1，准备图像去模糊的数据集，数据集包括Gopro、HIDE和RealBlur-J；

S2，数据预处理；

S3，将步骤S1准备好的Gopro数据集中的模糊图像作为训练集，并将模糊图片放入Transformer模型中进行训练；

S4，将每次放入Transformer模型训练出来的图片与参考图片放入损失函数中，不断计算返回的梯度，最后保存最优的模型传入到下一阶段进行学习；

S5，将一张模糊图片输入到保存的模型中进行处理，得出一张清晰的图片。

2.根据权利要求1所述的基于Transformer的运动图像去模糊方法，其特征在于，所述步骤S1中的数据集包括：训练集、验证集和测试集。

3.根据权利要求1所述的基于Transformer的运动图像去模糊方法，其特征在于，所述步骤S2包括：将进入模型训练之前的图片随机切为160*160大小。

4.根据权利要求1所述的基于Transformer的运动图像去模糊方法，其特征在于，所述步骤S3中的Transformer由MDTA、GDFN模块组成。

5.根据权利要求4所述的基于Transformer的运动图像去模糊方法，其特征在于，所述MDTA生成查询键和值投影；

MDTA通过应用1×1卷积以聚合像素级跨通道上下文信息，然后通过3×3深度卷积编码通道空间上下文，得到和

其中层得归一化张量表示通道，表示宽度，表示高度；其中是1x1的卷积块，是1×1逐点卷积，为3×3深度方面卷积，在网络中使用无偏差卷积层；重塑查询和键投影，使它们的点积交互产生一个大小为的转移注意图A，而不是常规的大小为的注意力图；

MDTA过程被定义为：

其中X和是输入和输出的特征图：将张量从原来的大小重构后得到矩阵其中，α表示缩放参数。

6.根据权利要求4所述的基于Transformer的运动图像去模糊方法，其特征在于，所述GDFN模块执行受控的特征转换，抑制信息量较少的特征，只允许有用的信息通过网络层次进一步传递。

7.根据权利要求1所述的基于Transformer的运动图像去模糊方法，其特征在于，所述步骤S4中的最优的模型是深度学习，经过梯度下降，计算得到最优的损失值，保存最优的损失函数所对应的模型。