公开(公告)号：CN112767277B

公开(公告)日：2022-06-07

申请号：CN202110107628.1

申请日：2021-01-27

Applicant: 同济大学

Inventor： 路建伟 ,  李耀维 ,  罗烨

IPC: G06T5/00 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于参考图像的深度特征排序去模糊方法。现有去模糊方法只应用于模糊图像，难以恢复结构及细节信息，本发明引入参考图像，利用参考图像中清晰的结构信息和丰富的细节信息辅助于去模糊过程得到潜在清晰图像。首先，将模糊图像和参考图像转变为对应特征空间的特征图，并计算参考图像特征中每一个元素与模糊图像特征的相关性；然后，该相关性特征图分别通过浅层神经网络与最大池化，对相关性特征图排序，其中，排序在前的特征图表示参考图像与模糊图像相关性强，反之亦然；最后，将排序后的特征图选取固定数量的特征图用于特征重建并将特征空间的特征图转化为图像空间的图像，得到潜在清晰图像。

公开(公告)号：CN112767277A

公开(公告)日：2021-05-07

申请号：CN202110107628.1

申请日：2021-01-27

Applicant: 同济大学

Inventor： 路建伟 ,  李耀维 ,  罗烨

IPC: G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于参考图像的深度特征排序去模糊方法。现有去模糊方法只应用于模糊图像，难以恢复结构及细节信息，本发明引入参考图像，利用参考图像中清晰的结构信息和丰富的细节信息辅助于去模糊过程得到潜在清晰图像。首先，将模糊图像和参考图像转变为对应特征空间的特征图，并计算参考图像特征中每一个元素与模糊图像特征的相关性；然后，该相关性特征图分别通过浅层神经网络与最大池化，对相关性特征图排序，其中，排序在前的特征图表示参考图像与模糊图像相关性强，反之亦然；最后，将排序后的特征图选取固定数量的特征图用于特征重建并将特征空间的特征图转化为图像空间的图像，得到潜在清晰图像。