买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开一种复杂场景下图像清晰化方法，包括：步骤1、图像采集和数据预处理，将复杂环境下图片信息转换为图像数据集；步骤2、设置逆向模型，图像模糊化视为一种扩散过程，采用DPM扩散概率模型算法作为图像清晰化模型；步骤3、模型参数估计和逆向优化，逆向扩散过程建模马尔科夫链，利用U‑net神经网络训练模型；步骤4、评估模型改进调整模型参数；步骤5、结果展示与应用，验证不同复杂场景下清晰化效果，运用所述神经网络训练完成模型应用拍摄模糊化图片，并与原始图像对比。本发明通过人工智能的方法实现复杂场景下图像清晰化，提高图片去模糊化准确率。

主权项：1.一种复杂场景下图像清晰化方法，其特征在于：包括以下步骤：步骤1、图像采集和数据预处理，将复杂环境下图片信息转换为图像数据集；在本步骤中，利用RGB图像、深度图像等图像模态对信息融合，提高复杂环境的理解和处理能力；对数据集去噪处理、色彩校正减少噪声提高图像质量，对于大型图片划分区域，并行处理，提高后续模型计算能力；步骤2、设置逆向模型，图像模糊化视为一种扩散过程，采用DPM扩散概率模型算法作为图像清晰化模型，DPM正向过程逐步向清晰图像加入高斯噪声，反向过程以马尔科夫链结构进行深度学习操作，去噪并恢复干净图像实现模糊图像清晰化；步骤3、模型参数估计和逆向优化，逆向扩散过程建模马尔科夫链，状态转移的过程设置转移概率，采用U-net神经网络模型接收当前状态作为输入，输出条件概率分布函数实现模型概率参数化；定义负ELBO下界函数作为损失函数逆向优化调整神经网络；所述U-net神经网络模型包括编码器、中间层和解码器，编码器包含一系列卷积层和池化层，中间层包含多层卷积层，解码器包含多层反卷积层和卷积层，其中所述解码器卷积层输出端与池化层输入端连接，池化层输出端与中间层的卷积层输入端连接，中间层的卷积层输出端与解码器反卷积层输入端连接，解码器反卷积层输出端与解码器卷积层输入端连接，U-net在通道维度实现拼接操作实现解码器特征图与解码器相对应层连接；步骤4、评估模型改进调整模型参数，对清晰化图像进行清晰度、细节保留方面质量评估，选择SSIM结构相似性指标评价模型，使用测试集数据来评估模型的性能，通过计算预测的概率分布与真实数据之间的差异来评估模型的准确性，获取性能较好反向过程参数；步骤5、结果展示与应用，验证不同复杂场景下清晰化效果，运用所述神经网络训练完成模型应用拍摄模糊化图片，并与原始图像对比。

全文数据：

权利要求：

百度查询： 天筑科技股份有限公司 郑州航空工业管理学院 一种复杂场景下图像清晰化方法