[发明专利]图像去模糊模型的生成方法、图像去模糊方法和电子设备

说明书

一种图像去模糊模型的生成方法、图像去模糊方法和电子设备。所述图像去模糊的生成方法包括：构建基于编码‑解码结构的人工智能模型，所述模型包括编码部分和解码部分，其中编码部分用于从输入图像中提取特征，解码部分用于从提取的所述特征中还原出清晰的图像；采用模糊‑清晰图像对，对所述人工智能模型进行训练，得到用于去除图像模糊的图像去模糊模型，其中，所述模糊‑清晰图像对包括包括清晰图像和基于清晰图像生成的模糊图像。本发明采用深度机器学习的方式消除图像模糊，鲁棒性更强，耗时更短，效果更好。

技术领域

本发明属于图像识别和处理技术领域，尤其是人工智能辅助图像识别技术领域，更具体的是涉及一种图像去模糊模型的生成方法及系统、图像去模糊的方法、电子设备和计算机可读介质。

背景技术

无论是在日常生活中还是互联网公司的业务中，在需要处理图像的时候经常会遇到图像模糊的问题，其原因可能是因为拍摄时手抖或光线暗，导致拍摄得到的页面出现对焦不准或有残影，而一旦图像模糊，其中的一些关键信息就无法进行辨别，从而对后续的各种处理和应用造成障碍，如果能够将模糊的图像尽可能的重建成清晰的图像，将对后续业务的开展带来极大的好处。

现有技术中通常采用传统的图像处理方法，如多次降噪、维纳滤波器(wienerfilter)等，近些年来也出现了一批使用深度学习的自适应方法，但传统方法和早期的深度学习方法往往出现效果欠佳、鲁棒性差，且耗时较长，无法满足网络实时处理高像素图片的缺陷，因此迫切需要研发出一套更优的图像去模糊方法及系统。

发明内容

有鉴于此，本发明的主要目的在于提出一种图像去模糊模型的生成方法及系统、图像去模糊的方法、电子设备和计算机可读介质，以期至少部分地解决上述技术问题中的至少之一。

为了实现上述目的，作为本发明的第一个方面，提供了一种图像去模糊模型的生成方法，包括如下步骤：

构建基于编码-解码结构的人工智能模型，该模型包括编码部分和解码部分，其中编码部分用于从输入图像中提取特征，解码部分用于从提取的所述特征中还原出清晰的图像；

采用模糊-清晰图像对，对所述人工智能模型进行训练，得到用于去除图像模糊的图像去模糊模型，其中，所述模糊-清晰图像对包括清晰图像和基于所述清晰图像生成的模糊图像。

作为本发明的第二个方面，还提供了一种图像去模糊的方法，包括如下步骤：

采用如上所述的生成方法生成用于图像去模糊的人工智能模型，并采用其对待处理的输入图像进行去模糊处理。

作为本发明的第三个方面，还提供了一种图像去模糊模型的生成系统，包括：

输入模块，用于输入训练图像；

模型搭建模块，用于搭建基于编码-解码结构的人工智能模型；所述人工智能模型包括编码部分和解码部分，其中编码部分从输入图像中提取特征，解码部分从提取的特征中还原出清晰的图像；

模型训练模块，用于采用模糊-清晰图像对，对所述人工智能模型进行训练。

作为本发明的第四个方面，还提供了一种电子设备，包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机可执行程序被所述处理器执行时，所述处理器执行如上所述的方法。

作为本发明的第五个方面，还提供了一种计算机可读介质，存储有计算机可执行程序，所述计算机可执行程序被执行时，实现如上所述的方法。

基于上述技术方案可知，本发明的图像去模糊的方法及系统，以及采用其的电子设备和计算机可读介质相对于现有技术至少具有如下有益效果之一：