一种基于WGAN的模糊航拍图像处理方法与流程

技术特征：
1.一种模糊图像处理模型的训练方法，其特征是，所述模糊图像处理模型以wgan网络为基础网络，包括生成器网络和判别器网络，生成器网络包括依次设置的下采样网络块和上采样网络块，判别器网络包括多个卷积层，多个卷积层间还设有至少一个lr层和至少一个bn层；训练过程中，在生成器网络的下采样网络块和上采样网络块之间设置残差网络块；模糊图像处理模型的训练方法包括：获取图像样本数据集，图像样本数据集中包括相对应的原始清晰图像和模糊图像，各图像分别预先确定有判别器标签；将图像样本数据集中的图像样本及判别器标签输入已搭建的模糊图像处理模型网络，对生成器网络和判别器网络进行交替训练以调整网络参数，直至模型损失函数值符合设定要求时停止训练；其中，所述对生成器网络和判别器网络进行交替训练以调整网络参数，包括：将模糊图像输入生成器网络，计算生成器生成的清晰图片和原始清晰图片之间的wesserstein距离，根据计算结果调整生成器网络的权重；将原始清晰图像和生成器生成的图像输入到判别器网络中，计算判别结果与标准值之间的差值，根据该差值调整生成器网络的权重；将原始清晰图像及模糊图像输入判别器网络，计算判别结果与标准值之间的差值，根据该差值调整判别器网络的权重；将生成器生成的图像和原始清晰图像输入判别器网络，计算判别结果标准值之间的差值，根据该差值调整判别器网络的权重。2.根据权利要求1所述的方法，其特征是，所述模型损失函数值的计算包括：在判别器网络末尾计算生成器网络生成的图像与原始清晰图像的wasserstein距离；在模型整个网络的末尾，基于所述wasserstein距离以及感知损失计算模型的损失函数值，损失函数值l的计算公式如下：l＝l
w
λ
·
l
x
式中，l
w
表示wasserstein距离，l
x
表示感知损失，λ为设定的超参数；l
x
通过以下公式计算：式中，φ
i，j
表示在imagenet上预训练的vgg19网络内的第i个最大化层之前通过第j个卷积(激活之后)获得的特征图，w
i，j
和h
i，j
分别表示该特征图尺寸中的宽度和高度，i
s
表示生成的清晰图像，g
θ
表示生成器，i
b
表示模糊图像。3.根据权利要求2所述的方法，其特征是，判别器网络将所计算的感知损失放大100倍后反馈至生成器网络。4.根据权利要求1所述的方法，其特征是，图像样本数据集中的模糊图像获取方法包括：获取航拍采集的清晰的自然图像；将获取到的各清晰自然图像与73种可能的线性运动内核中随机的一种进行卷积，得到
相应数量的模糊图像。5.根据权利要求1所述的方法，其特征是，所述模糊图像处理模型中，下采样网络块的输入层数据与上采样网络块的输出层数据之间通过激活函数映射连接，以进行数据批量归一化。6.根据权利要求1所述的方法，其特征是，所述模糊图像处理模型中，下采样网络块包括对输入层所输入数据进行反射填充处理的反射填充处理层。7.根据权利要求6所述的方法，其特征是，所述模糊图像处理模型中，下采样网络块包括连续三个卷积层，用于对反射填充处理后的图像数据进行卷积操作，卷积操作处理后的图像经激活函数进行非线性激活后传输至残差网络块。8.根据权利要求1所述的方法，其特征是，所述模糊图像处理模型中，残差网络块包括多个依次设置的卷积层，各卷积层之后设置概率为0.5的丢失正则化函数进行正则化处理；残差网络块的输入层与输出层之间通过短连接shortcut connection方式进行同等映射。9.根据权利要求1所述的方法，其特征是，训练过程中，使用sgd优化函数进行梯度下降，模糊图像处理模型的初始学习率设定为1e
‑
4，在训练300次之后开始逐渐下降，batchsize设定为16，生成器与判别器的训练比值为4：1。10.一种模糊航拍图像处理方法，其特征是，包括：获取待处理的航拍图像；将获取到的航拍图像输入经权利要求1
‑
9任一项所述模糊图像处理模型的训练方法训练得到的模糊图像处理模型，得到清晰图像。

技术总结
本发明公开一种基于WGAN的模糊航拍图像处理方法和模糊图像处理模型的训练方法，属于图像处理技术领域。模糊图像处理模型以WGAN网络为基础网络，包括生成器网络和判别器网络，生成器网络包括依次设置的下采样网络块、残差网络块和上采样网络块，判别器网络包括多个卷积层，多个卷积层间还设有至少一个LR层和至少一个BN层；模糊图像处理模型的训练样本包括原始清晰图像及对其模糊处理后的模糊图像。训练过程分别在判别器的末尾和整个模型网络的末尾计算损失函数，根据损失函数调整生成器和判别器网络参数，训练得到的模型能够对模糊图像进行处理得到清晰图像，减少图片信息损失，提升图片质量。升图片质量。升图片质量。


技术研发人员：李业东 纪陵 董怀普
受保护的技术使用者：南京国电南自电网自动化有限公司
技术研发日：2021.07.07
技术公布日：2021/10/23