[发明专利]基于深度神经网络的模糊图片清晰化处理方法及系统

权利要求书

1.一种基于深度神经网络的模糊图片清晰化处理方法，其特征在于，所述方法包括以下步骤：

通过模糊算法将原图像P进行模糊化处理得到图像

将原图像P与模糊化处理后的图像作为训练数据训练BiCycleGAN网络；

所述方法对原图像P进行模糊化处理的具体过程如下：

若原清晰图像P∈(X，Y，N)，即是高为X像素，宽为Y像素，通道为N的图像数据，并且，原清晰图像中表征了某一像素点的所有特征，x_i，y _j 是图像像素位置信息，(n₁，...，n_N)对应了该像素的N个通道值，此处使用RGB三通道图像，即N＝3；

在模糊化处理过程中，图像根据指定的方向THETA及模糊程度LEN为参数进行具体操作，其中模糊程度LEN以像素个数为单位，某一像素点(x_i，y _j )的色域通道值(n₁，n₂，n₃)将在以其源点(x_i，y _j )为极坐标原点，沿线段l：

进行像素点重复，其中THETA是沿逆时针的方向角，LEN是模糊偏移的像素单位距离值，这体现了实际过程中的抖动，反映在某一像素点(x_i，y_j)的通道取值上，即是该点的色域通道值，满足：

在该表示方法中，第三个下标m标示了该值所属的通道，此处采用的是RGB三色通道，所以在表达式中m∈(1，2，3)；式中，是对因抖动造成的被叠加到像素点(x_i，y _j )上的其他像素点的表述，这些点在线段-l(x_i，y _j )上，而其点上的色域通道值则因抖动而被覆盖到点(x_i，y _j )的通道上，构成了的组成部分之一，此处按照如上方法进行模糊生成；

所述模糊化处理的过程中，LEN的取值在范围内随机选取，X为原清晰图像P的高度，Y为原清晰图像P的宽度，THETA则在(0°，360°)范围内随机选取；

实际应用时，将需要处理的模糊图像传输到服务器，服务器接收到该模糊图像数据后，调用训练好的BiCycleGAN网络进行清晰化处理并将处理结果返回。

2.根据权利要求1所述的一种基于深度神经网络的模糊图片清晰化处理方法，其特征在于：所述方法使用PascalVOC数据集中的图像作为原清晰图像P。

3.根据权利要求1所述的一种基于深度神经网络的模糊图片清晰化处理方法，其特征在于：所述方法在训练BiCycleGAN网络的过程中，涉及到图像的输入域和输出域，考虑输入域图像集它与目标图像集相对应，在训练阶段，提供训练数据对对于一个输入实例A，能够根据联合分布p(A，B)对应多个合理配对实例B，但是实际训练时只提供一个配对实例，在测试阶段，如果提供一个输入实例A，实际会根据条件概率p(B|A)生成多个合理配对实例，此处记为为了表征输入与输出之间的差距，此处引入一个低维度的隐码向量来具体表达这种差距，由此，生成对抗网络中的生成函数G便能够写成G：(A，z)→B，其中，隐码向量z为生成函数提供了扰动和修正，这里令其服从正态分布，即p(z)～N(0，I)。

4.根据权利要求3所述的一种基于深度神经网络的模糊图片清晰化处理方法，其特征在于：所述方法训练的BiCycleGAN网络包括两个子网络cVAE-GAN和cLR-GAN。