[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

说明书

本发明公开了一种基于深度神经网络的模糊图片清晰化处理方法及系统，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；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。所述方法解决了由于硬件或者图像内容本身造成的模糊问题，并且利用了深度神经网络来解决这一问题，拓展了解决图像模糊的处理方式。

技术领域

本发明涉及图像处理和深度学习领域，具体涉及一种基于深度神经网络的模糊图片清晰化处理方法及系统。

背景技术

近年来，随着移动互联网的迅速发展，智能手机成为人们日常生活中不可缺少的一部分。智能手机硬件迅速迭代，移动端计算能力越来越强，移动端逐渐取代PC端成为互联网流量的入口，诞生出许多新的需求，拍照便是人们无论是旅游还是日常生活中最受欢迎的需求之一。实际拍摄中，在感光过程中的微小抖动是难以避免的，抖动可能来自拍摄者本身，也可能是快门时间不够短造成的，这些抖动会造成像素点重叠而导致拍摄出来的照片模糊不够清晰。

目前比较常见的防抖方法有OIS光学防抖、EIS电子防抖和AIS人工智能防抖。OIS光学防抖是给镜头配备光学防抖模组，相比较而言，这种防抖方式的成本更高，同时防抖模组也会占据较大的体积。EIS电子防抖利用数字电路对画面进行处理防抖，虽然成本低廉，但实际上降低了图像传感器的利用率，对画面清晰度和分辨率都会造成一定程度上的影响和损失。AIS防抖则将OIS与EIS两者结合在一起，再加持AI算法。但现有的图像处理上关于模糊去除仍有许多的不足，急需一种更好的模糊图片清晰化处理方法。

发明内容

本发明的目的是针对现有技术的不足，提供了一种基于深度神经网络的模糊图片清晰化处理方法，所述方法在算法层面上将深度神经网络应用到抖动模糊图片清晰化处理技术当中，基于BicycleGAN针对抖动模糊图片进行清晰化处理，弥补了现有图像处理上关于模糊去除的不足，能充分解决由于图像捕捉硬件(手机、相机等)造成的硬件性模糊与图像内容实际场景模糊造成的图像质量缺陷，大幅度提高图像的清晰度。

本发明的另一目的在于提供一种基于深度神经网络的模糊图片清晰化处理系统。

本发明的目的可以通过如下技术方案实现：

一种基于深度神经网络的模糊图片清晰化处理方法，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；

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。

进一步地，所述方法使用Pascal VOC数据集中的图像作为原清晰图像P。

进一步地，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，是图像像素位置信息，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，某一像素点的色域通道值将在以其源点为极坐标原点，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，反映在某一像素点的通道取值上，即是该点的色域通道值，满足：