[发明专利]一种基于改进生成对抗网络的视频模糊图像复原方法

说明书

本发明提供了一种基于改进生成对抗网络的视频模糊图像复原方法，所述方法包括：建立视频模糊图像数据集；将清晰视频图像进行模糊化处理，模拟实际情况下的视频模糊图像；设计改进的生成对抗网络；训练改进的生成对抗网络模糊图像复原模型；以及使用训练得到的改进生成对抗网络视频模糊图像复原模型，将模糊图像作为网络输入，改进生成对抗网络模型输出复原后的清晰图像。本发明基于改进生成对抗网络的视频模糊图像复原方法使得处理后的模糊图像更加真实，改善了图像复原效果。

技术领域

本发明涉及模糊图像复原技术领域，具体地，涉及一种基于改进生成对抗网络的视频模糊图像复原方法。

背景技术

视频图像是人们从外界获取和交换信息的重要来源，然而视频图像采集过程中由于受成像设备的物理局限及环境条件的限制，会引入不同程度的噪声、模糊及分辨率的不足，造成采集图像模糊失真，严重影响了图像观赏的舒适度和满意度，给后续图像分析理解带来极大障碍。因此，从失真的图像中恢复出清晰可观图像的去模糊技术研究极为重要。图像复原是根据图像退化的先验知识建立一个退化模型，然后以此模型为基础，采用各种逆退化处理方法逐步进行恢复，从而达到改善图像质量的目的。

图像复原技术发展历史已久，成像设备的抖动、元器件的噪声和图像编解码等都会导致图像模糊与退化。图像复原是处理退化的图像，使其与原始图像更加接近。传统的图像复原方案有很多缺点，如计算时间过长，鲁棒性较差等等，虽然很多模糊图像的处理方法在实际应用中取得了很好的效果，但是当前仍然有一些因素制约着模糊图像处理的进一步发展，譬如算法参数复杂、需要人为经验选择算法流程等。

近年来，深度学习的兴起，再一次把图像处理任务推向了一个新的高潮。基于深度学习的方法大多通过增加网络复杂度来改善去模糊效果，虽然使效果得到了提升，但却增加了算法的运行时间。有时也不可避免的引入了伪影，且可能无法处理复杂的运动模糊。

发明内容

针对现有图像隐私保护技术中存在的上述缺陷，本发明的目的在于提供一种可有效提高图像处理速度、改善图像复原效果的基于改进生成对抗网络的视频模糊图像复原方法。

为解决上述问题，本发明的技术方案为：

一种基于改进生成对抗网络的视频模糊图像复原方法，所述方法包括以下步骤：

建立视频模糊图像数据集；

将清晰视频图像进行模糊化处理，模拟实际情况下的视频模糊图像；

设计改进的生成对抗网络；

训练改进的生成对抗网络模糊图像复原模型；以及

使用训练得到的改进生成对抗网络视频模糊图像复原模型，将模糊图像作为网络输入，改进生成对抗网络模型输出复原后的清晰图像。

可选地，所述建立视频模糊图像数据集的步骤具体包括：将采集到的视频图像分类建立数据集，并将数据集划分为训练样本和测试样本。

可选地，所述将清晰视频图像进行模糊化处理的过程为：视频模糊图像B的处理公式为：式中，M是视频曝光时间内图像的数量，S[i]代表视频曝光时间内的第i张视频图像，g是非线性相机相应函数。

可选地，所述设计改进的生成对抗网络的步骤具体包括：

构建生成器；

构建判别器；

在所述生成器和判别器中加入加权网络；

设计改进生成对抗网络的目标损失函数。

可选地，所述生成器包括特征提取模块和上采样模块，所述特征提取模块包括卷积层、残差模块和Droupout网络，所述上采样模块包括反卷积层、亚像素卷积层和全连接神经网络。