(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210035884.9 (22)申请日 2022.01.13 (71)申请人 福建帝视信息科技有限公司 地址 350002 福建省福州市 鼓楼区西洪路 528号云座2号楼5楼B区 (72)发明人 邹文斌　浦佳祺　邓炜　李茹　 郑伟鑫　姚志平　童同　高钦泉　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 代理人 陈明鑫　蔡学俊 (51)Int.Cl. G06T 5/00(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06V 10/44(2022.01)G06V 10/82(2022.01) (54)发明名称 一种基于模糊条件残差网络的图像去失焦 模糊方法 (57)摘要 本发明涉及一种基于模糊条件残差网络的 图像去失焦模糊方法。 包括： 步骤1、 制作图像去 失焦模糊模型的训练集； 步骤2、 构建模糊条件网 络； 步骤3、 利用条件残差模块构建条件残差恢复 网络； 步骤4、 图像去失焦模糊模型训练采用两阶 段训练策略。 本发明可以更快速地实现图像去失 焦模糊， 并得到更高质量的清晰全焦图像 。 权利要求书2页 说明书6页 附图4页 CN 114418878 A 2022.04.29 CN 114418878 A 1.一种基于模糊条件残差网络的图像去失焦模糊方法， 其特 征在于， 包括如下步骤： 步骤1、 制作图像去失焦模糊模型的训练集； 步骤2、 构建模糊条件网络； 步骤3、 利用条件残差模块构建条件残差恢复 网络； 步骤4、 图像去失焦模糊模型训练采用两阶段训练策略。 2.根据权利要求1所述的一种基于模糊条件残差网络的图像去失焦模糊方法， 其特征 在于， 所述 步骤1具体实现如下： 步骤1.1、 选用D PDD训练集中的失焦模糊图像和高清图像的图像对作为训练； 步骤1.2、 将图像裁 剪为480x480大小的图块， 构建图像数据集； 步骤1.3、 对于输入的高清图像Itarget和失焦模糊图像Iblur， 利用图像翻转、 旋转、 随机裁 剪成256大小的块对图像数据集进行 数据增广， 作为 最终的训练集。 3.根据权利要求2所述的一种基于模糊条件残差网络的图像去失焦模糊方法， 其特征 在于， 所述 步骤2具体实现如下： 步骤2.1、 利用LBP算法模块构 建一个模糊条件网络， 对输入LBP估计出来的模糊图进行 特征提取， 得到对应的条件特征， 用于给条件残差恢复网络增加失焦 模糊图信息， 进而有效 的为模糊区域恢复出纹 理细节； 其中模糊条件网络利用LBP算法估计得到失焦模糊图， 其计算公式为： FLBP＝HLBP(Iblur) HLBP表示模糊条件网络中的LBP算法模块， FLBP表示估计出来的失焦模糊图； 步骤2.2、 利用一个浅层特征提取卷积和三个下采样卷积来将失焦模糊图的特征匹配 到条件残差恢复 网络中； 其计算公式可以表达为： Fcond1＝Convdown(Conv1(FLBP)) Fcond2＝Convdown((Fcond1)) Fcond3＝Convdown(Fcond2) Fcond1， Fcond2， Fcond3分别代表输入进条件残差恢复网络的三个条件特征； 其中Convdown表 示2倍下采样卷积， Co nv1表示浅层特 征提取层。 4.根据权利要求3所述的一种基于模糊条件残差网络的图像去失焦模糊方法， 其特征 在于， 所述 步骤3具体实现如下： 步骤3.1、 条件残差模块， 其公式为： Fres＝Conv(LReLU(Co nv(Finput)) Fc＝Conv(Fcond) Foutput＝Fcond*Fres+Finput 其中Conv表示卷积 操作， LReLU表示 LeakyReLU激活函数， Fcond表示输入的条件特 征； 步骤3.2、 在得到对应不同尺度下的条件特征Fcond1， Fcond2， Fcond3后， 构建条件残差恢复 网络， 其中最后一层下采样采用4个条件残差模块， 其他层都采用2个条件残差模块， 中间增 加两个跳跃 连接层， 从而 使得网络性能最佳； 具体公式如下： 下采样： F1＝HCRB×2(Conv(Iblur)， Fcond1) F2＝HCRB×2(Convdown(F1)， Fcond2)权　利　要　求　书 1/2 页 2 CN 114418878 A 2F3＝HCRB×4(Convdown(F2)， Fcond2) 上采样： Fup1＝HCRB×2(Convc(cat(F3↑2， Convskip(F2)))， Fcond2) Fup2＝HCRB×2(Convc(cat(Fup1↑2， Convskip(F1)))， Fcond1) Foutput＝ConvRe(Fup2) 其中HCRB×2表示使用2个条件残差模块， HCRB×4表示使用4个条件残差模块； Comv， Convc， Convskip， cat和ConvRe分别表示初始特征提取卷积层、 通道调整卷积层、 跳跃连接的卷积层、 通道连接的操作、 重建卷积层， ↑2表示bilinear上采样2倍操作。 5.根据权利要求4所述的一种基于模糊条件残差网络的图像去失焦模糊方法， 其特征 在于， 所述 步骤4具体实现如下： 步骤4.1、 将输入图像先输入一阶段网络， 即输入进模糊条件 网络和一阶段条件残差恢 复网络中训练先恢复出一个相对清晰图像Ioutput1， 然后利用一阶段条件残差恢复网络的输 出作为二 阶段网络的输入， 并且再次输入进模糊条件网络得到新的条件特征， 进一步利用 二阶条件残差恢复网络恢复出更精细的特征Ioutput2， 从而得到更清晰的图像； 具体表达式 如下： Ioutput1＝HDeblur1(Iblur， Hcond(Iblur)) Ioutput2＝HDeblur2(Ioutput1， Hcond(Iblur)) 其中HDeblur表示条件残差恢复 网络， Hcond表示模糊条件网络； 步骤4.2、 两阶段网络的输出均采用L1损失函数对图像进行点对点的损失函数计算， 模 型损失函数表示 为： Loss＝L1(Itarget， Ioutput1)+L1(Itarget， Ioutput2) L1(x， y)＝| |x‑y||1 步骤4.3、 模型训练采用渐进训练策略， 将训练过程分为多个子训练周期， 依次进行子 训练周期的训练， 训练开始 时以大学习率开始训练， 且每迭代完一个子训练周期逐步减小 学习率， 直至迭代完成。权　利　要　求　书 2/2 页 3 CN 114418878 A 3