基于多路径精化融合神经网络的图像去除模糊方法

1.基于多路径精化融合神经网络的图片去除模糊方法，其特征在于：包括以下步骤：步骤一，构建数据集，包括训练集和测试集，训练集由模糊图像和清晰图像数据集对构成，测试集包括模糊图像集；步骤二，构建多路径精化融合神经网络模型，包括模糊特征提取子网络、多路径特征传递子网络、特征融合精化子网络和特征精细融合子网络，所述的多路径精化融合神经网络模型的输入为模糊图像数据集，通过多尺度特征图的精化融合，对不同尺寸上的特征图进行去除模糊，在轻量化和残差链接网络的优化下得到清晰的图片，输出为预测结果和偏差损失；其中，所述的模糊特征提取子网络用于提取模糊清晰图像对比特征，其输入为不同种类模糊图像，输出为模糊图像特征；所述的多路径特征传递子网络用于将单一的图像特征逐层改变尺寸，分支出多个路径用于后续的多尺度特征传递；所述的特征融合精化子网络用于将多尺寸图像提取到的特征进行融合；所述的特征精细融合子网络用于对图像的特征进行远程残差链接和轻量化处理，从而得到更加精细的恢复结果；步骤三，利用步骤一中的训练集对所述的多路径精化融合神经网络模型进行训练，得到训练完成的多路径精化融合神经网络模型；步骤四，利用训练完成的多路径精化融合神经网络模型，对含有模糊图像集的测试集进行处理，得到清晰精度更高的图片处理结果。 2.根据权利要求1所述的基于多路径精化融合神经网络的图片去除模糊方法，其特征在于：所述的模糊图像和清晰图像数据集对的尺寸为H×W×2，单张图像边界尺寸为H×W，其中H和W分别表示图像的高和宽，所述的多路径精化融合神经网络模型的最终输出是H×W×1尺寸的去除模糊的预测图片。 3.根据权利要求2所述的基于多路径精化融合神经网络的图片去除模糊方法，其特征在于：所述的模糊特征提取子网络由4个卷积层构成，每层的输出特征尺寸表示为高×宽×通道数，4个卷积层的输出特征图依次为H×W×32，H×W×64，H×W×128，H×W×128；所述的多路径特征传递子网络包括4个卷积层，每层的输出特征尺寸表示为高×宽×通道数，所述的特征传递子网络的4个卷积层的输出特征图依次为H×W×128，H×W×256，H×W×256，H×W×256。 4.根据权利要求2所述的基于多路径精化融合神经网络的图片去除模糊方法，其特征在于：所述的特征融合精化子网络包括6个网络层，所述的6个网络层的输出特征图尺寸分别为H/16×W/16×256，H/16×W/16×256，H/16×W/16×256，H/16×W/16×256，H/16×W/16×256，H/8×W/8×128；所述的特征精细融合子网络包括6个网络层，6个网络层的输出特征图尺寸分别为H/16×W/16×256，H/16×W/16×256，H/16×W/16×256，H/16×W/16×256，H/16×W/16×256，H/8×W/8×128。 5.根据权利要求3或4所述的基于多路径精化融合神经网络的图片去除模糊方法，其特征在于：所述多路径精化融合神经网络模型的训练使用Caffe、TensorFlow或Pytorch深度学习框架。