买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明属于数字图像处理领域，涉及一种基于Scale‑Encoder‑Decoder‑Net的图像去模糊方法。该方法利用Scale‑Encoder‑Decoder‑Net网络实现模糊图像复原,目的在于解决现存深度学习去模糊算法存在的复原时间长、图像细节恢复效果较差等问题。本发明提出了Scale‑Encoder‑Decoder‑Net网络，旨在解决现有深度学习去模糊算法存在的缺点,通过对比现有最优算法，本发明在复原时间上提升了0.12s，在复原图像性能上平均提升了0.8dB。

主权项：1.一种基于Scale-Encoder-Decoder-Net网络的图像去模糊方法，其特征在于：Scale-Encoder-Decoder-Net网络共有三部分：Scale尺度，Encoder编码和Decoder解码；每一尺度网络包括1个输入块、2个编码块、1个解码块和一个输出块；采用损失函数训练网络，其中，Ii和代表第i尺度的清晰图像和复原图像，Ni代表第i尺度的图像像素个数：去模糊步骤如下：步骤1：以第n尺度的模糊图像作为输入，通过卷积核尺寸为5x5，卷积核个数为32、步长为1的卷积层输出浅层特征；步骤2：卷积层输出的浅层特征通过3个残差块得到输入块的深度特征；步骤3：将输入块输出的深度特征通过卷积核尺寸为5x5，卷积核个数为64、步长为2的卷积层下采样为编码块1的浅层特征；步骤4：编码块1的浅层特征通过3个残差块得到编码块1的深层特征；将编码块1输出的深度特征通过卷积核尺寸为5x5，卷积核个数为128、步长为2的卷积层下采样为编码块2的浅层特征；步骤5：编码块2的浅层特征通过3个残差块得到编码块2的深层特征；编码块2的深层特征通过解码块1的3个残差块，获得基本特征，并经过解码块1的卷积核尺寸为4x4，卷积核个数为64、步长为2的卷积层上采样且降维，得到解码块1的降维特征；步骤6：解码块1的降维特征和编码块1的深层特征共同作为解码块2的输入，通过解码块2的3个残差块，进一步压缩特征，并经过解码块2的卷积核尺寸为4x4，卷积核个数为32、步长为2的卷积层上采样且降维，得到解码块2的降维特征；步骤7：解码块2的降维特征和编码块2的深层特征共同作为输出块的输入，通过输出块的3个残差块，并经过输出块的卷积核尺寸为5x5，卷积核个数为3、步长为1的卷积层输出该尺度的复原图像；步骤8：第n层尺度的复原图像经过上采样，与第n-1层尺度的模糊图像共同作为第n-1层尺度的输入，并重复步骤1-9，直到尺度n为1为止；步骤10：尺度为1时，复原图像为Scale-Encoder-Decoder-Net网络最终复原图像。

全文数据：

权利要求：

百度查询： 西北工业大学 基于Scale-Encoder-Decoder-Net网络的图像去模糊方法