公开(公告)号：CN108520504B

公开(公告)日：2020-05-19

申请号：CN201810337089.9

申请日：2018-04-16

Applicant: 湘潭大学

Inventor： 欧阳建权 ,  张云飞 ,  唐欢容

IPC: G06T5/00

Abstract: 基于生成对抗网络端到端的模糊图像盲复原方法，该方法包括：1)建立样本数据集；2)建立端到端图像配对模型：对数据集中的原始图像进行模糊化处理，建立模糊图像到原始图像的图像配对模型；3)生成对抗网络的对抗训练：模糊图像作为生成器输入数据，生成器学习原始图像的样本分布，生成图像，判别器将生成图像与原始图像的差异反馈给生成器，提高生成图像的质量；生成器和判别器进行反复对抗训练，得到最优模糊图像复原的网络模型；4)图像复原。本发明采用生成对抗网络端对端的训练模型，将模糊图像和原始图像配对处理，通过训练模型进行训练，不需要模糊图像的任何先验知识，学习完成后，直接输入模糊图像，模型即生成清晰图像。

公开(公告)号：CN108520504A

公开(公告)日：2018-09-11

申请号：CN201810337089.9

申请日：2018-04-16

Applicant: 湘潭大学

Inventor： 欧阳建权 ,  张云飞 ,  唐欢容

IPC: G06T5/00

Abstract: 基于生成对抗网络端到端的模糊图像盲复原方法，该方法包括：1)建立样本数据集；2)建立端到端图像配对模型：对数据集中的原始图像进行模糊化处理，建立模糊图像到原始图像的图像配对模型；3)生成对抗网络的对抗训练：模糊图像作为生成器输入数据，生成器学习原始图像的样本分布，生成图像，判别器将生成图像与原始图像的差异反馈给生成器，提高生成图像的质量；生成器和判别器进行反复对抗训练，得到最优模糊图像复原的网络模型；4)图像复原。本发明采用生成对抗网络端对端的训练模型，将模糊图像和原始图像配对处理，通过训练模型进行训练，不需要模糊图像的任何先验知识，学习完成后，直接输入模糊图像，模型即生成清晰图像。