[发明专利]一种基于深度学习的模糊核尺寸估计方法与系统

摘要

本发明公开了一种基于深度学习的模糊核尺寸估计方法，属于模式识别技术领域。该方法首先根据模糊图样属性选择采用降采样或尺寸截取进行预处理，得到尺寸满足需求的输入图像；之后，将图像输入至已完成训练的多分类卷积神经网络中，通过不同层的权值计算，得到一个概率分布向量；最后，通过比较向量中各元素的大小，取值最大的元素所对应图像类别代表的模糊核尺寸即为模糊图像尺寸大小的估计结果。本发明还实现了一种基于深度学习的模糊核尺寸估计系统。本发明为现有图像去模糊算法提供了更具科学依据的模糊核尺寸作为输入参数，有效解决了现有方法中存在的尺寸盲目输入以及无法提供直接的输入值等问题。

主权项

1.一种基于深度学习的模糊核尺寸估计方法，其特征在于，该方法包括以下步骤：(1)对模糊图像B进行预处理得到图像B₀，使图像B₀的尺寸满足多分类卷积神经网络的图像输入尺寸；(2)将图像B₀输入至已完成训练的多分类卷积神经网络中，得到一个模糊核尺寸概率分布向量：其中，ω_t^soft‑max和ω_(1,...,t)^soft‑max表示软最大化层的权值，x_{full‑connect}()表示全连接层的输出值，T表示矩阵转置，m代表模糊核尺寸类别数，所得到的模糊核尺寸概率分布向量中每一个元素分别代表该元素所对应模糊核尺寸为输入图像B₀的模糊核尺寸的概率值；(s₁,...,s_m)表示运动模糊核尺寸候选集；(p₁,...,p_m)表示模糊核尺寸概率分布向量；(3)比较模糊核尺寸概率分布向量中每个元素的大小，最大的元素所对应的模糊核尺寸即为模糊图像B的模糊核尺寸大小的估计结果。