(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211057860.X (22)申请日 2022.08.31 (71)申请人 武汉工程大 学 地址 430000 湖北省武汉市东湖新 技术开 发区光谷一路20 6号 (72)发明人 华夏　李泽正　李明欣　费俊雄　 时愈　王磊　洪汉玉　 (74)专利代理 机构 武汉智嘉联合知识产权代理 事务所(普通 合伙) 42231 专利代理师 华艺 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/50(2006.01) G06T 3/40(2006.01) G06V 10/40(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种图像去 模糊方法、 电子设备及存 储介质 (57)摘要 本发明公开了一种图像去模糊方法、 电子设 备及存储介质， 方法包括： 获取训练完备的目标 图像去模糊模 型， 所述目标图像去模糊模型包括 多尺度像素注意力融合残差块； 获取待处理图 像； 基于所述多尺度像素注意力融合残差块， 对 所述待处理图像进行多尺度像素注意力特征提 取， 获得多个像素注意力特征图， 并对多个像素 注意力特征图进行融合， 获得多尺度像素注意力 融合图； 并将多尺度像素注意力融合图与输入特 征图相加输出构成残差学习特征图； 基于所述残 差学习特征图， 确定图像去模糊结果。 本发明解 决了现有技术中对模糊图像特征细节的局部特 征以及局部和全局信息之间交互学习有 限的技 术问题。 权利要求书3页 说明书8页 附图3页 CN 115439358 A 2022.12.06 CN 115439358 A 1.一种图像去模糊方法， 其特 征在于， 包括： 获取训练完备的目标图像去模糊模型， 所述目标图像去模糊模型包括多尺度像素注意 力融合残差块； 获取待处 理图像； 基于所述多尺度像素注意力融合残差块， 对所述待处理图像进行多尺度像素注意力特 征提取， 获得多个像素注意力特征图， 并对多个像素注意力特征图进 行融合， 获得多尺度像 素注意力融合图； 并将多尺度像素注意力融合图与所述待处理图像相加输出为残差学习特 征图； 基于所述残差学习特 征图， 确定图像去模糊结果。 2.根据权利要求1所述的图像去模糊方法， 其特征在于， 所述多尺度像素注意力融合残 差块包括像素注意力模块和多尺度注意力融合模块， 所述像素注意力模块包括第一像素注 意力层、 第二像素注意力层和第三像素注意力层， 所述多尺度注意力融合模块包括第一融 合层和第二融合层； 所述第一像素注意力层用于对经过两次二分之一下采样的所述待处理图像进行注意 力特征提取， 获得第一像素注意力特 征图； 所述第二像素注意力层用于对经过一次二分之一下采样的所述待处理图像进行注意 力特征提取， 获得第二像素注意力特 征图； 所述第三像素注意力层用于对所述待处理图像进行注意力特征提取， 获得第 三像素注 意力特征图； 所述第一融合层用于将所述第一像素注意力特征图和第二像素注意力特征图进行融 合， 获得第一多尺度像素注意力融合图； 所述第二融合层用于将所述第三像素注意力特征图和第一多尺度像素注意力融合图 进行融合， 获得第二多尺度像素注意力融合图。 3.根据权利要求2所述的图像去模糊方法， 其特征在于， 所述多尺度像素注意力融合残 差块还包括依次连接的第一残差卷积层， 第一残差激活函数层， 第二残差卷积层， 点乘运算 层和第一相加运 算层； 所述第一残差卷积层用于对所述待处理图像进行第 一残差特征提取， 获得第 一残差子 特征图； 所述第二残差卷积层用于对所述第 一残差子特征图进行第 二残差特征提取， 获得第 二 残差子特征图， 以作为所述像素注意力模块的输入特 征； 所述点乘运算层用于对所述第二残差子特征图和所述第二多尺度像素注意力融合图 进行点乘运 算， 获得第一 点乘结果； 所述第一相加运算层用于对所述第 一点乘结果和所述待处理图像进行相加运算， 获得 所述残差学习特 征图。 4.根据权利要求2所述的图像去模糊方法， 其特征在于， 所述像素注意力模块， 可通过 以下公式表示： Attn＝σ(Conv1×1(F))， 其中， F和Attn分别表示输入特征图以及 输出像素注意力图， Conv1×1表示卷积核大小为 1的卷积层， σ 表示Sigmo id激活函数。权　利　要　求　书 1/3 页 2 CN 115439358 A 25.根据权利要求2所述的图像去模糊方法， 其特征在于， 所述多尺度注意力融合模块， 可通过以下公式表示： 所述多尺度注意力融合公式为： Attn'1/2＝σ((Attn1/4)↑e(Attn1/2)) Attn'1＝σ((Attn”1/2)↑e(Attn1)) Attn”1/2＝DSC(cat(A ttn'1/2,Attn1/2))， Attn”1＝DSC(cat(A ttn'1,Attn1))， 其中， Attn ”1/2， Attn”1分别为1/2尺度和原尺度融合后的新注意力图， Attn1/4， Attn1/2， Attn1分别表示1/4、 1/2和原尺度的注意力图， e表示点乘， ↑表示上采样， σ 表示S igmoid激活 函数， cat 表示沿通道维度上进行拼接， D SC表示深度可分离卷积。 6.根据权利要求1所述的图像去模糊方法， 其特征在于， 所述目标图像去模糊模型还包 括依次连接的浅层特征提取层、 多个多尺度像素注意力融合残差块、 转置卷积层、 第一激活 函数层、 拼接层、 第一卷积层、 第二激活函数层、 第二卷积层和相加运 算层； 其中： 所述浅层特征提取层用于对输入的所述待处理图像进行浅层特征提取， 获得浅层特征 图； 所述多个多尺度像素注意力融合残差块用于对所述浅层特征图进行多尺度像素注意 力特征提取， 获得多个像素注 意力特征图， 并对多个像素注 意力特征图进 行融合， 获得多尺 度像素注意力融合图； 所述转置卷积层用于对所述多尺度像素注意力融合图进行上采样计算， 获得第 一采样 结果； 所述拼接层， 用于对所述第一采样结果和所述浅层特征图进行拼接， 获得第一拼接结 果； 所述第一卷积层， 用于对所述第一 拼接结果进行通道复原处 理， 获得第一特 征图； 所述第二卷积层， 用于对所述第一特 征图进行 特征提取， 获得第二特 征图； 所述相加运算层， 用于将所述第二特征图和所述待处理图像进行相加运算， 获得复原 特征图像。 7.根据权利要求1所述的图像去模糊方法， 其特征在于， 所述获取训练完备的目标图像 去模糊模型， 包括： 构建初始图像去模糊模型； 构建待检测图像样本集； 根据所述待检测图像样本集以及预设的总损失函数训练所述初始图像去模糊模型， 得 到训练完备的目标图像去模糊模型。 8.根据权利要求1所述的图像去模糊方法， 其特 征在于， 所述总损失函数为： L1＝||I‑K||1 Ltotal＝L1+λ1Ledge+λ2Lfft I为清晰图， K为恢复图， Δ为拉普拉斯变换符号， ε为一个常数， 设为10‑3, 为傅里叶变 换符号， λ1＝0.05, λ2＝0.01。 9.一种电子设备， 其特 征在于， 包括： 处 理器和存 储器；权　利　要　求　书 2/3 页 3 CN 115439358 A 3