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！

摘要：本发明公开一种基于多尺度特征提取和融合的图像去模糊方法，包括：1搭建生成对抗网络模型，设置参数；2设置图像语义内容约束项，图像结构重建约束项和判别目标损失函数；3为了预测清晰图像特征，抑制模糊图像特征，引入了多尺度特征提取和融合模块MSFEFM；4对于判别网络，将生成图像和标签图像输入到生成网络中，判别网络用需要对图像内容的真假进行判别；5判别网络将判别的结果反馈给生成网络，生成网络根据判别网络的反馈更新网络的参数进入下一次的迭代训练，生成网络和判别网络以上述描述的方式不断竞争训练，直到网络训练收敛；7将模糊图像载入到训练收敛的生成网络中，即可得到结构显著的生成图像。

主权项：1.一种基于多尺度特征提取和融合的图像去模糊方法，其特征在于，包括以下步骤：1准备数据，包括模糊图像和标签图像；搭建生成对抗网络模型并设置参数；2设置生成网络和判别网络的网络结构框架；生成网络的网络结构框架采用U型网络结构，生成网络包括编码器和解码器两部分，编码器用以下采样并提取图像中有用的细节特征进行编码，解码器用于上采样并解码图像；所述编码器和解码器之间还设置有多尺度特征提取和融合模块，具体的：将模糊图像送入生成网络中，在生成网络优化训练过程中，对生成网络增加图像语义目标损失函数和图像结构目标损失函数的约束，使得生成图像具有和标签图像一致的语义信息及结构信息；判别网络将判别的结果反馈给生成网络，驱使生成网络生成图像结构趋向完整的生成图像；生成网络根据判别网络的反馈更新生成网络的参数进入下一次的迭代训练，生成网络和判别网络以上述描述的方式不断竞争训练，直到生成对抗网络模型训练收敛；3设置生成对抗网络模型的目标损失函数：生成网络中的目标损失函数包括图像语义目标损失函数Lcontent、图像结构目标损失函数Lgradient；其中，Lcontent保证恢复前后的图像能保持相同的语义内容，Lgradient约束生成图像与清晰图像在图像结构方面具有一致性；判别网络中的目标损失函数Ladv用于完成生成图像与标签图像的判别，以提升判别网络对图像真假的判别学习能力；4将模糊图像、标签图像输送到生成对抗网络模型中，判别网络用以判别生成图像和标签图像在内容方面的一致性；判别网络将判断得到的结果反馈给生成网络，生成网络和判别网络之间竞争学习，直到达到纳什均衡，生成对抗网络模型收敛；将模糊图像载入到训练收敛的生成网络中，最终得到结构完整的生成图像。

全文数据：

权利要求：

百度查询： 青海民族大学 一种基于多尺度特征提取和融合的图像去模糊方法