[发明专利]一种循环神经网络运动模糊复原方法

权利要求书

1.一种循环神经网络运动模糊复原方法，其特征是，包括以下步骤：

S1，设定码字目标函数；

S2，通过遗传算法获得最优码字；

S3，获取模糊图像；

S4，预处理数据，生成数据集；

S5，利用数据集训练长短期记忆网络；

S6，将测试图像输入到训练好的长短期记忆网络，得到复原图像。

2.根据权利要求1所述的一种循环神经网络运动模糊复原方法，其特征是，所述步骤S1具体包括：目标函数公式如下所示：

其中S表示二进制码字序列，F()表示离散傅里叶变换操作，min()表示计算最小值操作，var()表示计算方差操作，n表示二进制码字长度，α₁，α₂表示各自的权重系数。

3.根据权利要求1所述的一种循环神经网络运动模糊复原方法，其特征是，所述步骤S2具体包括：将步骤S1中所设定的目标函数加入遗传算法中作为其算法搜索准则，设定一定的迭代次数和种群大小，通过遗传，变异，交叉算子进行码字搜索，最终通过码字搜索准则进行最终码字删选，得到一组最优码字种群。

4.根据权利要求1所述的一种循环神经网络运动模糊复原方法，其特征是，所述步骤S3具体包括：采用灰点相机获取图像，相机快门采用单片机进行控制，通过步骤1种获取得到的码字进行设置，其序列码字中0代表快门闭合，单片机发送低电平，1代表快门打开，单片机发送高电平。

5.根据权利要求1所述的一种循环神经网络运动模糊复原方法，其特征是，所述步骤S4具体包括：在LIVE数据库中下载得到数据集，对数据集进行模拟仿真编码曝光实验，对每张图像分别生成n张对应码字的模糊图像，并设定模糊尺度。

6.根据权利要求1所述的一种循环神经网络运动模糊复原方法，其特征是，所述步骤S5具体包括：长短期记忆网络将所有有用信息存储在一个细胞状态中，

S501，设定一个遗忘门，从细胞状态中丢弃信息；

S502，设定一个确定信息门，让新的信息加入到细胞状态中；

S503，设定一个输出信息门，决定最终需要输出的细胞状态。

7.根据权利要求6所述的一种循环神经网络运动模糊复原方法，其特征是，所述步骤S501具体包括：读取h_t-1和x_t，输出一个在0到1之间的数值，其构成一个矩阵T,将矩阵T通过一个sigmoid激活函数后与细胞状态C_t-1进行点乘操作，得到遗忘后的输出G₁，其具体公式如下：

G₁＝C_t-1.*σ(W_f·[h_t-1,x_t]+b_f)

其中σ表示sigmoid激活函数，W_f，b_f分别表示权重值和偏置值，h_t-1表示上一个cell的输出，x_t表示当前的输入。

8.根据权利要求6所述的一种循环神经网络运动模糊复原方法，其特征是，所述步骤S502具体包括：通过一个sigmoid层来决定需要更新的信息，输出定义为i_t；通过一个tanh层生成一个向量，用来更新的内容，输出定义为将两部分进行点乘操作，即得到对细胞状态的一个更新，其具体公式如下所示：

i_t＝σ(W_i·[h_t-1,x_t]+b_i)

其中W_i，b_i，W_c，b_c分别表示各自激活函数的权重值和偏置值。

9.根据权利要求6所述的一种循环神经网络运动模糊复原方法，其特征是，所述步骤S503具体包括：首先通过一个sigmoid层来确定中需要输出的部分，其输出的部分定义为o_t，之后将细胞状态通过tanh层进行处理并将其与o_t进行点乘，最终输出确定输出的部分h_t，其公式如下所示：

o_t＝σ(W_o[h_t-1,x_t]+b_o)

h_t＝o_t.*tanh(Ct)

其中W_o，x_t表示该层激活函数的权重值和偏置值。