[发明专利]一种基于生成对抗网络的单幅图像去模糊方法

权利要求书

1.一种基于生成对抗网络的单幅图像去模糊方法，其特征在于，该方法包括以下步骤：

S1：获取模糊图像，并对其进行预处理；

S2：构建基于生成对抗网络的单幅图像网络，并将预处理后的图像输入该单幅图像网络进行训练；

所述单幅图像网络中包括生成器网络和判别器网络；其中，生成器网络采用加入密集块的多尺度递归网络；判别器网络采用PatchGAN；

S3：将待处理单幅模糊图像输入训练好的单幅图像网络，最终输出去模糊后的清晰图像。

2.根据权利要求1所述的单幅图像去模糊方法，其特征在于，步骤S1中，对模糊图像预处理，具体包括：将原始模糊图像裁剪成256×256大小，下采样2次，得到128×128、56×56的图像。

3.根据权利要求1所述的单幅图像去模糊方法，其特征在于，步骤S2中，所述多尺度递归网络将原始的残差块替换为密集块，每个尺度的网络采用编码器-解码器结构，整个网络的激活函数为ReLU，不同尺度之间的连接采用ConvLSTM。

4.根据权利要求3所述的单幅图像去模糊方法，其特征在于，步骤S2中，所述编码器由1个InBlock和2个EBlock组成；所述解码器由1个OutBlock和2个DBlock组成；EBlock包含1个卷积层和3个密集块，DBlock包含3个密集块和1个解卷积层，每个EBlock/OutBlock内所有的卷积层的内核数相同。

5.根据权利要求1所述的单幅图像去模糊方法，其特征在于，步骤S2中，构建的基于生成对抗网络的单幅图像网络的损失包对抗损失、感知损失和同一映射损失，函数表达式为：

其中，表示对抗损失，表示感知损失，表示同一映射损失。

6.根据权利要求5所述的单幅图像去模糊方法，其特征在于，所述对抗损失的函数表达式为：

其中，n表示第n个样本，N表示样本个数，G(·)表示生成器，D(·)表示判别器，X、Y分别表示X域图像和Y域图像。

7.根据权利要求5所述的单幅图像去模糊方法，其特征在于，所述感知损失的函数表达式为：

其中，n表示第n个样本，N表示样本个数，CHW表示特征图的通道数、高度和宽度，φ(·)表示卷积层的输出特征图，G(·)表示生成器，X、Y分别表示X域图像和Y域图像。

8.根据权利要求5所述的单幅图像去模糊方法，其特征在于，所述同一映射损失的函数表达式为：

其中，n表示第n个样本，N表示样本个数，G(·)表示生成器，X、Y分别表示X域图像和Y域图像，||·||₁表示L1范数。