[发明专利]一种面向反光金属视觉检测的卷积神经网络图像复原方法

权利要求书

1.一种面向反光金属视觉检测的卷积神经网络图像复原方法，其特征在于，所述方法包括：

A引入松弛变量，解耦最大后验概率图像复原模型；

B基于泊松分布构建对数似然项主成分，引入非线性退化模型，剔除反光金属饱和像素；

C基于卷积神经网络构建对数先验项主成分，约束图像复原解空间；

D交替更新似然项与先验项，通过多阶段联接优化最终复原图像；

所述步骤B中，基于泊松分布构建对数似然项主成分：

式中，其中y、k、x分别表示模糊图像、模糊核、清晰图像，约束条件为等号右边第一项为主成分，服从泊松分布，i表示像素索引，表示卷积，泊松分布常数项y_i，z_p表示归一化常数；

非线性退化模型为：

式中，C表示平滑截断函数，具体形式为：

式中，a为平滑度控制参数。

2.如权利要求1所述的面向反光金属视觉检测的卷积神经网络图像复原方法，其特征在于，所述步骤A中，最大后验概率图像复原模型argmax_xp(x|k,y)∝p(y|k,x)p(x)通过引入松弛变量解耦成似然项与先验项其中y、k、x分别表示模糊图像、模糊核、清晰图像，约束条件为

3.如权利要求1所述的面向反光金属视觉检测的卷积神经网络图像复原方法，其特征在于，所述步骤B中，对数似然项引入非线性退化模型，剔除反光金属饱和像素；对于给定对数似然项由下式迭代求解：

式中，k^T表示k的转置，C′表示C的导数，。

4.如权利要求1所述的面向反光金属视觉检测的卷积神经网络图像复原方法，其特征在于，所述步骤C中，对数先验项主成分由卷积神经网络权重替代，约束图像复原解空间；卷积神经网络拟合图像去噪映射函数，可由卷积层、线性整流单元、批规范化基本单元组成，对数似然项最优解经过图像去噪映射后，即为对数先验项最优解。

5.如权利要求1所述的面向反光金属视觉检测的卷积神经网络图像复原方法，其特征在于，所述步骤D中，似然项与先验项分别在步骤B与步骤C更新，其中x初始值设为y；似然项每更新一次，其内部需迭代求解；步骤B与步骤C首尾联接，以多阶段的方式优化图像复原性能。