[发明专利]一种循环神经网络运动模糊复原方法

说明书

本发明提出一种循环神经网络运动模糊复原方法，包括以下步骤：设定码字目标函数；通过遗传算法获得最优码字；获取模糊图像；预处理数据，生成数据集；利用数据集训练长短期记忆网络；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。本发明采用编码曝光成像模式，首先根据编码要求进行最优码字搜索，采用了长短期记忆网络进行网络训练，最终训练得到一张高分辨率图像。

技术领域

本发明涉及计算光学成像领域和深度学习技术领域，尤其是涉及一种循环神经网络运动模糊复原方法。

背景技术

运动模糊图复原一直是图像复原的一个重要研究课题。运动模糊原因主要是由于在拍摄运动目标时，时常会遇到在相机曝光时间内运动目标和成像系统发生相对运动，造成成像运动模糊，导致图像分辨率下降。传统成像过程中，相机快门一直处于开启状态，其在卷积滤波器上一定会存在着许多频域零点，造成滤波器不可逆，使得运动模糊成为了一个病态性的问题。

为了解决运动模糊图像的病态问题，研究者从图像的成像模式和深度学习图像复原两个角度出发进行研究。针对成像模式，相机闪动快门成像是一种新型成像模式，它解决了传统成像复原的病态性。其主要原理为通过预先设置一定的二进制序列来控制相机的快门开关，相当于一个宽带滤波器，在保留图像高频信息的同时在频域上不存在零点。针对深度学习图像复原，研究发现，基于循环神经网络的图像复原能够充分利用多帧图像之间的信息，并保存前一帧图像中复原效果较好的部分，从而得到一个较好的复原效果。韩明钰提出了一种基于循环神经进行图像超分辨方法，实验表明，多帧低质图像经过循环神经网络进行超分辨后能够得到一张较好的高分辨图像。

目前为止循环神经网络在图像复原方面有着较好的发展，但是在图像的预获取和在训练循环神经网络结构方面人就存在着些许不足。

发明内容

本发明解决了由于相机和景物之间的相对运动所造成的运动模糊问题，提出一种循环神经网络运动模糊复原方法，采用编码曝光成像模式，首先根据编码要求进行最优码字搜索，采用了长短期记忆网络进行网络训练。

为实现上述目的，本发明提供以下的技术方案：

一种循环神经网络运动模糊复原方法，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。

长短期记忆网络将所有有用信息存储在一个细胞状态中，通过设定三种结构门来使保存之前帧图像信息，同时能够删除信息和添加信息。门可以实现选择性的让信息通过，其内部实现主要由一个sigmoid的神经层和一个逐点相乘的操作来实现。长短期记忆网络通过多层该结构进行训练，其反向传播与BP算法一致，通过梯度下降算法进行目标优化，最终的到训练完成的网络。

现有的图像复原技术都是基于图像的一些复原算法，本发明从图像获取角度出发，提出采用编码曝光成像技术获取连续帧间图像，能够有效的保留原始图像的高频信息，同时解决图像反卷积过程中由于频域零点所造成的图像不可逆；连续帧图像能够在图像复原过程中提供图像细节部分的互补信息，弥补了单帧图像复原过程中信息单一，噪声干扰等缺点。复原方面引入了长短期记忆网络，能够充分结合多帧图像的细节信息，最终训练得到一张高分辨率图像。

作为优选，所述步骤S1具体包括：目标函数公式如下所示：