欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2020111070060
申请人: 西安工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于盲解卷积网络的模糊图像盲复原方法,其特征在于,所述方法包括:步骤101:获取初始的目标图像数据集;

步骤102:对自适应系统的点扩散函数PSF进行建模,根据随机参数值生成PSF;

步骤103:对所述目标图像数据集的图像进行预处理,得到单通道图像;

步骤104:使用生成的PSF与所述单通道图像进行卷积,得到模糊图像,将模糊图像所使用的PSF与该模糊图像组成数据对,作为后续训练卷积神经网络的数据集和标签;

步骤105:改进ResNet34卷积神经网络,获得初始PSF估计网络;将所述数据对输入初始PSF估计网络,对该PSF估计网络进行训练,得到训练后的PSF估计网络;

步骤106:在所述改进的ResNet34卷积神经网络的基础上,将全连接网络和上采样网络相结合,生成初始非盲解卷积网络,再将模糊图像和训练后的PSF估计网络输入该非盲解卷积网络中进行训练,得到训练后的非盲解卷积网络;

步骤107:基于所述非盲解卷积网络的结构构建初始盲解卷积网络,加载已训练好的PSF估计网络和非盲解卷积网络的权重文件,对初始盲解卷积网络进行训练,得到最终的模糊图像盲复原模型;

步骤108:利用所述模糊图像盲复原模型对模糊图像进行复原,将待复原的模糊图像输入所述模糊图像盲复原模型,输出该模糊图像对应的复原后的图像。

2.如权利要求1所述的基于盲解卷积网络的模糊图像盲复原方法,其特征在于:在所述步骤102中,所述对点扩散函数PSF进行建模,是通过以下等式来完成:其中,k为AO PSF,I0为峰值振幅,r为光圈中心与观察点之间的距离;第一项表示Airy函数,J1为一阶贝塞尔函数,rA为艾瑞半径;第二项表示Lorentzian函数,h为半高宽;第三项表示Gaussian函数,σ为标准差,α、β为调谐因子。

3.如权利要求1所述的基于盲解卷积网络的模糊图像盲复原方法,其特征在于:所述步骤103中,对所述目标图像数据集中的图像进行预处理,包括:对所述目标图像集中的图像进行垂直翻转和水平翻转,得到不同方向的两个图像,同时对原始图像和翻转后的图像进行随机裁剪,最后将所得到的图像调整为单通道图像。

4.如权利要求1所述的基于盲解卷积网络的模糊图像盲复原方法,其特征在于:所述步骤105中,将ResNet34的卷积神经网络中的softmax激活函数替换为sigmoid激活函数,得到改进ResNet34卷积神经网络;改进后的ResNet34网络的输入图像大小为225*225,临近输出层的平均池化层过滤器大小为8*8,输出层的全连接层输出神经元大小为39*39。

5.如权利要求1所述的基于盲解卷积网络的模糊图像盲复原方法,其特征在于:在步骤

106中,通过通道叠加和卷积运算对非盲解卷积网络进行神经网络训练。

6.如权利要求1所述的基于盲解卷积网络的模糊图像盲复原方法,其特征在于:所述上采样网络包括上采样层、填充层、卷积层、标准化层、激活函数层,采用最邻近插值法进行边界填充。

7.如权利要求1所述的基于盲解卷积网络的模糊图像盲复原方法,其特征在于:在步骤

107中,在对初始盲解卷积网络进行训练的同时,更新PSF估计网络和非盲解卷积网络的权重参数。

8.一种运用权利要求1的基于盲解卷积网络的模糊图像盲复原方法进行图像还原的系统,其特征在于,所述系统包括:图像获取单元:获取初始的目标图像数据集;

PSF生成单元:对自适应系统的点扩散函数PSF进行建模,根据随机参数值生成PSF;

图像预处理单元:对所述目标图像数据集中的图像进行预处理,得到单通道图像;

图像仿真单元:使用生成的PSF与所述单通道图像进行卷积,得到模糊图像,将模糊图像所使用的PSF与该模糊图像组成数据对,作为后续训练卷积神经网络的数据集和标签;

PSF估计网络训练单元:改进ResNet34卷积神经网络,获得初始PSF估计网络;将所述数据对输入初始PSF估计网络,对该PSF估计网络进行训练,得到训练后的PSF估计网络;

非盲解卷积网络训练单元:在所述改进的ResNet34卷积神经网络的基础上,将全连接网络和上采样网络相结合,生成初始非盲解卷积网络,再将模糊图像和训练后的PSF估计网络输入该非盲解卷积网络中进行训练,得到训练后的非盲解卷积网络;

盲解卷积网络训练单元:基于所述非盲解卷积网络的结构构建初始盲解卷积网络,加载已训练好的PSF估计网络和非盲解卷积网络的权重文件,对初始盲解卷积网络进行训练,得到最终的模糊图像盲复原模型;

图像还原单元:将待复原的模糊图像输入所述模糊图像盲复原模型,输出该模糊图像对应的复原后的图像。

9.一种目标图像盲复原系统,其特征在于,包括:

处理器,用于执行计算机指令;

存储器,用于存储计算机指令;

所述处理器加载存储于存储器的计算机指令,以执行如权利要求1-7任一项所述的基于深度卷积神经网络的模糊图像盲复原方法进行图像还原。

10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有多条指令;所述多条指令由处理器加载并执行如权利要求1-7之任一项所述的基于深度卷积神经网络的模糊图像盲复原方法进行图像还原。