[发明专利]一种基于扩散模型的图像去模糊方法

权利要求书

1.一种基于扩散模型的图像去模糊方法，其特征在于，包括：

构建DMDIFF去模糊网络模型；其中，所述DMDIFF去模糊网络包括模糊图像特征编码器、深度梯度提取UNet骨干网络和交叉注意力子网络；

对训练样本图像进行数据增强处理，得到目标训练样本；

通过所述目标训练样本训练所述DMDIFF去模糊网络模型，得到目标扩散模型；其中，训练所述DMDIFF去模糊网络模型过程中使用Adam优化器更新网络模型参数；学习率更新采用StepLR策略；

将待处理图像输入所述目标扩散模型进行去模糊处理，生成目标图像。

2.根据权利要求1所述的一种基于扩散模型的图像去模糊方法，其特征在于：

所述模糊图像特征编码器包括4个NAFBlock，每个所述NAFBlock由1个卷积模块和6个残差块并联而成，所述残差块依次包括1个层归一化、1个1×1的卷积、1个3×3的深度卷积、一个门控单元、一个简化注意力模块和1个1×1的卷积，且所述残差块的输出与经过所述卷积模块的输入相加作为下一个NAFBlock的输入。

3.根据权利要求1所述的一种基于扩散模型的图像去模糊方法，其特征在于：

所述UNet骨干网络包括编码器、中间过渡模块和解码器，所述UNet骨干网络输入为清晰图像和模糊图像的差值，UNet骨干网络的输出为差值模板。

4.根据权利要求3所述的一种基于扩散模型的图像去模糊方法，其特征在于：

所述编码器包括3个SCABlock和下采样层对，所述下采样层对分别为第一SCA下采样模块、第二SCA下采样模块以及第三SCA下采样模块；

所述中间过渡模块由1个SCABlock模块组成，为第一中间SCA模块；

所述解码器包括3个SCABlock和上采样层对，上采样层对分别为第一SCA上采样模块、第二SCA上采样模块、第三SCA上采样模块；

所述第一SCA下采样模块、所述第二SCA下采样模块、所述第三SCA下采样模块、所述第一中间SCA模块、所述第一SCA上采样模块、所述第二SCA上采样模块、所述第三SCA上采样模块串联。

5.根据权利要求4所述的一种基于扩散模型的图像去模糊方法，其特征在于：

所述模糊图像特征编码器的输出与所述第一SCA下采样模块中的SCABlock输出相连接后输入所述第二SCA下采样模块，所述第三SCA下采样模块中的SCABlock的输出与所述第一SCA上采样模块中的上采样层输出相连接后送入所述第一SCA上采样模块中的SCABlock，所述第二SCA下采样模块中的SCABlock的输出与所述第二SCA上采样模块中的上采样层输出相连接后送入所述第二SCA上采样模块中的SCABlock；

所述第一SCA下采样模块中的SCABlock的输出与第三SCA上采样模块中的上采样层输出相连接后送入所述第三SCA上采样模块中的SCABlock得到输出结果。

6.根据权利要求4所述的一种基于扩散模型的图像去模糊方法，其特征在于：每个所述SCABlock由1个卷积模块和6个残差块并联而成；

每个所述残差块依次包括1个层归一化、1个1×1的卷积、1个3×3的深度卷积、一个Mish函数、一个简化注意力模块和1个1×1的卷积；

所述残差块的输出与经过所述卷积模块的输入相加作为下一个模块的输入。