一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法及裝置的制造方法
【專(zhuān)利摘要】本發(fā)明涉及圖像識(shí)別領(lǐng)域，尤其是一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法及裝置。本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，提供一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法及裝置；本發(fā)明主要包括以下步驟：樣本圖片集的創(chuàng)建；gabor濾波及根據(jù)多尺度信息創(chuàng)建4通道圖像；構(gòu)建深度卷積網(wǎng)絡(luò)學(xué)習(xí)圖像的特征，將得到的樣本四通道圖像作為深度卷積網(wǎng)絡(luò)的輸入進(jìn)行訓(xùn)練，產(chǎn)生深度學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型；對(duì)需要識(shí)別的圖像進(jìn)行區(qū)域小塊提取并建立四通道圖像，將建立的四通道圖像輸入深度學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型，獲得分類(lèi)結(jié)果；通過(guò)對(duì)分類(lèi)結(jié)果進(jìn)行分析獲得待識(shí)別圖像的模糊屬性及清晰區(qū)域。
【專(zhuān)利說(shuō)明】
一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像識(shí)別領(lǐng)域，尤其是一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法及 裝置。
【背景技術(shù)】
[0002] 隨著科技的發(fā)展和時(shí)代的不斷進(jìn)步，視頻和圖像數(shù)據(jù)處理技術(shù)已經(jīng)逐漸成熟起 來(lái)，對(duì)人們的生活和工作起著重要的作用。未來(lái)，視頻監(jiān)控與我們生活的聯(lián)系將日益密切。 毫無(wú)疑問(wèn)，視頻圖像處理技術(shù)的研發(fā)是時(shí)下最大的安防熱點(diǎn)之一，也是眾多安防企業(yè)值得 關(guān)注的一個(gè)領(lǐng)域。
[0003] 在安防領(lǐng)域，大多情況設(shè)備需要安裝在室外，設(shè)備需要經(jīng)受常年的風(fēng)吹日曬。要經(jīng) 歷常年溫度、濕度、鹽度、輻射等自然條件的影響。電子設(shè)備自身的老化的速度會(huì)比其他領(lǐng) 域要相對(duì)快一些。攝像機(jī)鏡頭、電子設(shè)備、傳輸線路等設(shè)施的老化會(huì)導(dǎo)致拍出來(lái)的圖像有模 糊現(xiàn)象發(fā)生。當(dāng)我們需要獲取清晰的圖片的時(shí)候，首先碰到的問(wèn)題就是如何判斷圖片是否 清晰，這就需要從海量的圖片中去提取清晰的圖片，因?yàn)閳D片數(shù)目較大，人為地選擇不現(xiàn) 實(shí)，需要考慮計(jì)算機(jī)方法，運(yùn)用一定的算法來(lái)檢測(cè)圖片清晰與否。
[0004] 當(dāng)前檢測(cè)圖像模糊的辦法主要是基于對(duì)邊界清晰度的分析或?qū)Σ煌较蛱荻刃?息的統(tǒng)計(jì)實(shí)現(xiàn)模糊程度檢測(cè)，但是這些方法只能檢測(cè)運(yùn)動(dòng)模糊區(qū)域，并且不能對(duì)整幅圖像 進(jìn)行評(píng)價(jià)。深度學(xué)習(xí)是一類(lèi)新興的多層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，因其緩解了傳統(tǒng)訓(xùn)練算法的局 部最小性，引起機(jī)器學(xué)習(xí)領(lǐng)域的廣泛關(guān)注。自2006年以來(lái)，深度學(xué)習(xí)在學(xué)術(shù)界持續(xù)升溫。斯 坦福大學(xué)、紐約大學(xué)、加拿大蒙特利爾大學(xué)等成為研究深度學(xué)習(xí)的重鎮(zhèn)。2010年，美國(guó)國(guó)防 部DARPA計(jì)劃首次資助深度學(xué)習(xí)項(xiàng)目，參與方有斯坦福大學(xué)、紐約大學(xué)和NEC美國(guó)研究院。支 持深度學(xué)習(xí)的一個(gè)重要依據(jù)，就是腦神經(jīng)系統(tǒng)的確具有豐富的層次結(jié)構(gòu)。一個(gè)最著名的例 子就是Hubel-Wiesel模型，由于揭示了視覺(jué)神經(jīng)的機(jī)理而曾獲得諾貝爾醫(yī)學(xué)與生理學(xué)獎(jiǎng)。 除了仿生學(xué)的角度，目前深度學(xué)習(xí)的理論研究還基本處于起步階段，但在應(yīng)用領(lǐng)域已顯現(xiàn) 出巨大能量。
[0005] 模糊圖像識(shí)別過(guò)程中，由于模糊的程度多樣性，一種或者幾種單一的特征不足以 解決模糊圖像的識(shí)別問(wèn)題。無(wú)法對(duì)模糊圖像進(jìn)行快速有效的識(shí)別。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問(wèn)題是:針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，提供一種基于深度學(xué) 習(xí)的圖像模糊區(qū)域檢測(cè)方法及裝置;本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè) 方法及裝置。主要包括以下步驟：（1)樣本圖片集的創(chuàng)建；（2)樣本圖像與gabor濾波器進(jìn)行 卷積及根據(jù)多尺度信息創(chuàng)建4通道圖像；（3)通過(guò)設(shè)計(jì)多層卷積神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)圖像的特 征，產(chǎn)生分類(lèi)模型；（4)對(duì)需要識(shí)別的圖像進(jìn)行感興趣區(qū)域提取，同時(shí)將待識(shí)別的圖像分割 成多個(gè)圖像小塊，對(duì)感興趣區(qū)域及這些圖像小塊分別建立四通道圖像；（5)將這些四通道圖 像輸入深度學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型，獲得感興趣區(qū)域區(qū)域及這些圖像小塊的分類(lèi)結(jié)果；（6)最 后根據(jù)感興趣區(qū)域的分類(lèi)結(jié)果及這些圖像小塊的分類(lèi)結(jié)果確定待識(shí)別圖像的模糊屬性，及 找到待識(shí)別圖像的清晰區(qū)域。
[0007] 本發(fā)明采用的技術(shù)方案如下：
[0008] 一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法包括：
[0009] 步驟1:根據(jù)qq張清晰圖片集01。:={01。:1，01。:2...，01。:<"}建立對(duì)應(yīng)清晰圖片塊集 合01 = {011，012...，01<"}，根據(jù)??張模糊圖片集81^={81^1，81^ 2...，81^叩}建立模糊圖 片塊集合Β?={ΒΙ^，Β?2. . .，BLPP};清晰圖片塊Dli是從第i張清晰圖片DWi的清晰部分裁剪 得到的清晰圖像塊，模糊樣本圖塊是從第i張模糊圖片BL OT1的模糊部分裁剪得到的模糊 圖像塊;所述清晰圖片集Dior及t旲糊圖片集BLor中的圖片尺寸大小為m〇r*n〇r ; t旲糊圖像塊以 及清晰圖像塊的尺寸大小為m*n;其中pp = qq，pp大于等于10000 ;m〇r> = m>150，n〇r> = n> 150,0〈i〈 = pp，i為整數(shù)，執(zhí)行步驟2;
[0010] 步驟2:對(duì)于樣本SAii，需要獲取另外兩幅相應(yīng)的子圖像Pm與Pii2，并通過(guò)將兩幅子 圖像Pm與Ρ?2進(jìn)行縮放得到圖像Qm與Qii2，對(duì)于樣本SAii，獲取圖像集合Sii = {SAii，Qm， Qmh然后將圖片集合Su的每個(gè)元素的V通道均與gabor濾波器進(jìn)行卷積運(yùn)算，得到卷積圖 像3\={1^()，1^1，1^ 2}，然后根據(jù)圖像集合3'^及34^的!1、3、￥三個(gè)通道，對(duì)應(yīng)得到樣本四 通道圖像，所有的PP+qq個(gè)樣本都執(zhí)行相同的運(yùn)算得到PP+qq個(gè)樣本四通道圖像;執(zhí)行步驟 3;其中ii = l，2,3, · · ·，pp+qq;SAii為模糊圖像塊集合BL或清晰圖像塊集合DI中的任--幅 圖像塊;Pm為大小為(m*rl)*(n*rl)的子圖像塊，Ρ?2為大小為(m*r2)*(n*r2)的子圖像塊； 其中r2〈rl;圖像集合Su的每個(gè)元素的V通道均與gabor濾波器進(jìn)行卷積，獲取三幅卷積后的 圖像:1^〇，1^1，1^2，其中1^()為3六。的￥通道與8313〇1'濾波器卷積后的圖像，1^1為(^1的￥通道 與gabor濾波器卷積后的圖像，R ll2為〇112的￥通道與gabor濾波器卷積后的圖像，執(zhí)行步驟3;
[0011] 步驟3 :構(gòu)建深度卷積網(wǎng)絡(luò)，將步驟3得到的pp+qq個(gè)樣本四通道圖像作為深度卷積 網(wǎng)絡(luò)結(jié)構(gòu)的輸入圖像進(jìn)行訓(xùn)練，并用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模型的準(zhǔn)確率，最后得到 深度學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型;執(zhí)行步驟4;其中驗(yàn)證集VD包括pp/5張模糊圖片塊及qq/5張清晰 圖片塊，執(zhí)行步驟4;
[0012]步驟4:從待識(shí)別HSV圖片中提取lu/2*k2/2大小的圖像塊，即獲得區(qū)域A' hsv，同時(shí)將 待識(shí)別的HSV圖片分割成多個(gè)圖像小塊，并根據(jù)區(qū)域A'hsv及這些圖像小塊分別構(gòu)建待識(shí)別 四通道圖像，即集合R〇I' = {B'hsv，B'i，B'2, · · ·，B'nUm} ;num>0;執(zhí)行步驟5;
[0013] 步驟5:將步驟4中獲得的集合R0I'中的每個(gè)四通道圖像元素作為步驟3獲得的網(wǎng) 絡(luò)最優(yōu)模型的輸入進(jìn)行分類(lèi)，R0I'中的每個(gè)四通道圖像元素依次經(jīng)過(guò)前向傳播過(guò)程即依次 經(jīng)過(guò)卷積層cl->池化層Pl->歸一化層nl->卷積層c2->池化層P2->歸一化層n2->卷積層c3->卷積層c4->池化層P3->全連接層fl->dropout層dl->全連接層f2->輸出層;最后的輸出 層采用SoftMax函數(shù)給出R0I'中的每個(gè)四通道圖像元素的分類(lèi)結(jié)果，組成結(jié)果集合RES = {RE ' hsv，RE ' ！，RE ' 2，. . .，RE ' num}，其中RE ' hsv表示B ' hsv的分類(lèi)結(jié)果，RE ' !表示根據(jù)B ' ！的分類(lèi) 結(jié)果，1^'2表不根據(jù)13'2的分類(lèi)結(jié)果，1^'3表不根據(jù)13'3的分類(lèi)結(jié)果，...，1^'1111111表不13'1111111的分 類(lèi)結(jié)果;執(zhí)行步驟6;
[0014] 步驟6:根據(jù)RE'hsv確定整幅待識(shí)別圖像的模糊屬性，如果RE'hsv為模糊，則待識(shí)別 圖像為模糊；如果RE'hsv為清晰，numdi初始化為1，之后遍歷E'^RE'2, . . .，RE'num，遇見(jiàn)值為 清晰的，執(zhí)行numdi = numdi+l操作，最終若numdi/(num+1) >Ra，貝幡識(shí)別圖像為清晰圖像；否 貝>1，待識(shí)別圖像為模糊圖像，其中1^1> = 0.2;11111]1(^〈 = 1111111+1;當(dāng)待識(shí)別圖像為清晰圖像，貝幢 合RES中元素值為清晰的元素對(duì)應(yīng)的區(qū)域?yàn)榇R(shí)別圖像中的清晰區(qū)域。
[0015]進(jìn)一步的，所述步驟2具體過(guò)程是：
[0016] 步驟21:與SAii對(duì)應(yīng)的兩幅子圖像Pm與Pii2是這樣獲取的：假如SAii來(lái)源于圖像 BLori或DIori，那么子圖像Piil與Pii2取自BLori或DIori ;同時(shí)子圖像Piil中心、Pii2中心與樣本 SAii的中心重合;SAii的尺寸與Pm和pii2的尺寸關(guān)系為三種情況:Pm和pii2的尺寸都大于 SAii的尺寸;Pm和Ρ?2的尺寸都小于SAii的尺寸;Pm的尺寸大于SAii的尺寸，Ρ?2的尺寸小于 尺寸;然后將兩幅子圖像Pm與Pll2進(jìn)行縮放，得到縮放后的子圖像Qm與Qll2,對(duì)于樣 本SAii，獲取圖像集Sii = {SAii，Qm，Qii2}，執(zhí)行步驟22;
[0017] 步驟22:圖片集合Su的每個(gè)圖片只選擇其V通道數(shù)據(jù)與gabor濾波器進(jìn)行卷積運(yùn) 算，即在〇度到180度之內(nèi)角度間隔均勾的XX個(gè)方向進(jìn)行卷積，得到XX個(gè)卷積后的圖像;從XX 個(gè)卷積后的圖像中選擇能量最強(qiáng)的卷積后的圖像作為最終的gabor濾波器卷積處理后的圖 像;即得到卷積圖像集合S' ii = {Rii〇，Rm，Rii2}，執(zhí)行步驟23; XX范圍是1到8;
[0018] 步驟23:根據(jù)卷積圖像集合S'u得到CHll4(x，y):
[0019] CHii4(x，y)=a*Rii〇(x，y)+0*( |Rii〇(x，y)-Rm(x，，y，）| + |Rm(x，，y，）-Rii2(x"，y"） )
[0020] 其中CHll4(x，y)為與樣本SAu對(duì)應(yīng)的第四通道圖像在位置(x，y)處的像素值，α，β為 權(quán)重系數(shù)，（X'，y'）為Rm對(duì)應(yīng)于Rii〇的(x，y)位置處的位置，（X"，y"）為Rii2對(duì)應(yīng)于Rii〇的(X， y)位置處的位置；當(dāng)x>(m-m'），x' = (x+m'-m)*m/m' ；否則，X' =null;同時(shí)當(dāng)y>(n-n'），y ' = (y+n'_n)*n/n' ；否則，y ' =null;同時(shí)當(dāng)x>(m_m"），x" = (x+m"-m)*m/m" ；否則，x" =null;同 時(shí)當(dāng)y>(n-n"），y" = (y+n"-n)*n/n" ；否則，y" =null;如果x'或者y'至少有一個(gè)為null，那 么Rm(x'，y'）則為0;如果x"或者y"至少有一個(gè)為null，那么Rii2(x"，y"）則為0; (x，y)表示 圖像的任意位置；
[0021] 與樣本SAu對(duì)應(yīng)的四通道圖像的另外三個(gè)通道圖像在位置為(x，y)處的像素值分 別為
[0022] CHiii(x，y)、CHii2(x，y)、CHii3(x，y):
[0023] CHiii(x，y) =Hii(x，y)
[0024] CHii2(x，y) =Sii(x，y);
[0025] CHii3(x，y) =Vii(x，y)
[0026] 即得到樣本四通道圖像。
[0027]進(jìn)一步的，所述步驟3具體包括：
[0028] 步驟31:深度卷積網(wǎng)絡(luò)包括1個(gè)輸入層，4個(gè)卷積層cl、c2、c3、c4，3個(gè)池化層PI、P2、 P3，2個(gè)歸一化層nl、n2，一個(gè)dropout層dl，2個(gè)全連接層f 1、f2和1個(gè)輸出層;輸入層采用大 小為m*n的pp+qq個(gè)樣本四通道圖像作為輸入樣本;卷積層cl采用96個(gè)大小為11*11個(gè)高斯 核函數(shù)提取圖像的特征;池化層P1采用3*3大小的Stochastic池化辦法;歸一化層nl采用的 局部區(qū)域尺寸為5;卷積層c2采用256個(gè)大小為5*5個(gè)高斯核函數(shù)提取圖像的特征;池化層P2 采用3*3大小的Stochastic池化方法；歸一化層n2采用的局部區(qū)域尺寸為5;卷積層c3采用 384個(gè)大小為3*3個(gè)高斯核函數(shù)提取圖像的特征;卷積層c4采用256個(gè)大小為3*3個(gè)高斯核函 數(shù)提取圖像的特征;池化層P3采用空間金字塔池化層的辦法產(chǎn)生固定大小的輸出，這樣網(wǎng) 絡(luò)輸入端的圖片就可以有不同的尺寸，樣本圖像塊集合DI和BL中的元素分別是從Dior和 BLor的元素中截取的清晰圖像塊及模糊圖像塊，由于DI和BL中的元素的清晰及模糊部分的 大小是不一樣的，這就會(huì)導(dǎo)致DI和BL中的元素大小不可能都是一個(gè)尺寸，如果在樣本處理 中將它們的大小都?xì)w一化為相同的尺寸，那么它們就會(huì)由于縮放而導(dǎo)致其清晰度發(fā)生改 變，P3層采用空間金字塔池化層的辦法可以使得深度學(xué)習(xí)網(wǎng)絡(luò)的輸入圖片大小不一樣，這 就避免了認(rèn)為去改變樣本的清晰度;全連接層Π 的輸出節(jié)點(diǎn)為4096個(gè);dropout層dl的作用 可以防止過(guò)擬合;全連接層f2的輸出節(jié)點(diǎn)個(gè)數(shù)與分類(lèi)的個(gè)數(shù)相同，這里為2類(lèi);輸出層采用 SoftMax函數(shù)，計(jì)算每一個(gè)輸入樣本屬于不同類(lèi)別的概率；
[0029]步驟32:網(wǎng)絡(luò)結(jié)構(gòu)可分為輸入層、隱含層和輸出層三個(gè)部分;前向傳播階段樣本圖 像依次通過(guò)卷積層cl_>池化層Pl->歸一化層nl->卷積層c2->池化層P2->歸一化層n2->卷 積層c3->卷積層c4->池化層P3->全連接層f!->dropout層dl->全連接層f2->輸出層;卷積 層用于提取圖像的特征，池化層用來(lái)對(duì)特征進(jìn)行降維，歸一化層對(duì)特征進(jìn)行歸一化， dropout可以用來(lái)防止過(guò)擬合，全連接層的當(dāng)前層神經(jīng)元與前一層神經(jīng)元全部連接，最后輸 出層給出分類(lèi)結(jié)果;后向傳播階段會(huì)根據(jù)誤差函數(shù)及采用梯度下降法反向調(diào)整深度學(xué)習(xí)網(wǎng) 絡(luò)中各層的權(quán)重和偏置;不斷重復(fù)前向傳播與后向傳播過(guò)程獲取基于樣本集的網(wǎng)絡(luò)模型； 然后在周期T內(nèi)，用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模型的準(zhǔn)確率，當(dāng)準(zhǔn)確率達(dá)到上限RP時(shí)，停 止訓(xùn)練，此時(shí)的網(wǎng)絡(luò)模型為最優(yōu)網(wǎng)絡(luò)模型；該最優(yōu)網(wǎng)絡(luò)模型用來(lái)對(duì)圖片的模糊屬性進(jìn)行分 類(lèi);0.85〈RP〈 = 1.0，T大于等于 200次。
[0030]進(jìn)一步的，所述步驟4具體過(guò)程是：
[0031]步驟41:將需要識(shí)別的HSV圖片的V通道數(shù)據(jù)Vre_A模板圖像進(jìn)行卷積運(yùn)算之后 獲取的卷積圖像C0，C0 = Vr_ng*M0;模板圖像M0即為Sz行Sz列，大小為Sz*Sz，Sz = 3或5。
[0034]其中，其中va為大于0的數(shù)字，其范圍為0.5~1.0;
[0035]步驟42:對(duì)卷積圖像⑶進(jìn)行二值化，獲取的二值化圖像BI，二值化的過(guò)程為：遍歷 卷積圖像C0中的每一個(gè)像素，如果該處像素值小于閾值threshold，則圖像BI中對(duì)應(yīng)的像素 值為〇，如果該處像素值大于等于閾值threshold，則圖像BI中對(duì)應(yīng)的像素值為255 ; threshold為卷積圖像C0中的最大像素值的t倍，t = 0.6到0.8;
[0036]步驟43:遍歷二值化圖像BI中的每一個(gè)像素值BI(x,y)，若BI(x, y)為0,則標(biāo)識(shí) para(x,y) = 0;否則，para(x,y)初始化為1;繼續(xù)遍歷BI(x,y)的4鄰域像素，當(dāng)遍歷BI( x,y)的4鄰域 像素有不為〇的像素點(diǎn)，則執(zhí)行口3抑(^)=口3瓜(^) + 1，其中口3瓜(^)的最大值為5，最小值為 〇；
[0037] 步驟44:計(jì)算獲取整幅圖像BI的形心位置坐標(biāo)(Xc^terjc^ter):
[0040]其中W為圖像BI的寬，h為圖像BI的高；
[00411步驟45:在需要識(shí)別的HSV圖像中以（X center ? Yc enter )為中心，提取大小為kl*k2的區(qū) 域塊Ahsv;將Ahsv平均分成4等份，取4等份中梯度和最大的那一份作為最終的區(qū)域A ' hsv; A ' hsv 大小為ki/2*k2/2;假設(shè)待識(shí)別的HSV圖像的尺寸是，那么KlOT> = lu，K2ot> = k2。
[0042]步驟46:將待識(shí)別的HSV圖像分割成多個(gè)圖像小塊，圖像小塊之間沒(méi)有重疊區(qū)域， 并且這些小塊的大小為均為kkAkkh假設(shè)待識(shí)別的HSV圖像的尺寸是Κ1"*Κ2α，則kkK = 1(1。1'，1^2〈 = 1(2。1'，當(dāng)10(1 = 1(1。1'的時(shí)候，1^2〈 = 1(2。17/2，當(dāng)1(1(2 = 1(2。1'的時(shí)候，1^1〈 = 1(1。172。這些圖 像小塊及A'hsv構(gòu)建成集合R0I = {A'hsv，A'i，A'2,…，A'nUm}，其中num表示待識(shí)別的圖像最 終被分割成的圖像小塊的數(shù)目，A'iA'2, . . .，A'num依次表示第一個(gè)圖像小塊，第二個(gè)圖像小 塊，...，第num個(gè)圖像小塊;根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得 1111111+1個(gè)四通道圖像，組成集合1?01' = {8'^，8'1，8'2，...，8'_};其中8'^表示根據(jù)厶'-獲 得的四通道圖像，8、表示根據(jù)A、獲得的四通道圖像，B' 2表示根據(jù)A'2獲得的四通道圖 像，...，8'"_表示根據(jù)A'num獲得的四通道圖像;執(zhí)行步驟5。
[0043]進(jìn)一步的，所述步驟46中根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像； 以R0I中的第一個(gè)元素 A \^來(lái)說(shuō)明構(gòu)建待識(shí)別的四通道圖像的具體過(guò)程，其它元素構(gòu)建待 識(shí)別的四通道圖像的過(guò)程與A'hsv類(lèi)似，根據(jù)A' hsv構(gòu)建四通道圖像的過(guò)程如下：
[0044] CHrecongl ( X，y ) - Hrecong ( X，y )
[0045 ] CHrecong2 ( X , y ) - Srecong ( X , y )
[0046] CHrecong3(x,y)=Vre cong (x,y)
[0047] CHrecong4(X , y )-a*Rrecong。( X，y )+β* ( | Rrecong。( X，y ) _Rrecongl ( X，y ) | + | Rrecongl ( X， y' )-Rrec〇ng2(x"，y"）I)
[0048] 其中CHreccing4(X，y)為與區(qū)域A'hsv對(duì)應(yīng)的第四通道圖像在位置(x，y)處的像素值，
[0049] RrecongO，Rrecongl，Rrecong2分別表不待分類(lèi)的區(qū)域A ' hsv圖片的V通道、與待分類(lèi)區(qū)域 八'1^圖片對(duì)應(yīng)的兩個(gè)子圖像的￥通道與8&13〇^濾波器卷積之后獲取的圖像，(：仏％。_ 1， CHrecong2，CHrecong3，CHrecong4分力U表獲取的四個(gè)通3? ; ( X，y )為Rrecongl對(duì)應(yīng)于RrecongO的（X， y)位置處的位置，（x"，y"）為Rre_g2對(duì)應(yīng)于IWongo的(x，y)位置處的位置;如果X'或者y'至少 有一個(gè)為null，那么RrecxmglU'，y'）則為0;
[0050] 如果X"或者y"至少有一個(gè)為nul 1，那么Rreccing2(X"，y"）則為0;待分類(lèi)區(qū)域A'hsv兩 個(gè)子圖像的獲取過(guò)程與獲取Sii的過(guò)程相似;Ηι·· η8( X，y)、Sr_ng (X，y)定義、AW。％ (X，y)為待 分類(lèi)區(qū)域A' hsv里的H通道，S通道及V通道的數(shù)據(jù)；
[0051 ]其中當(dāng)x>(m_m，），x，= (x+m，-m)*m/m，；否則，X，=null;同時(shí)當(dāng)y>(n_n'），
[0052] y ' = (y+n '_n)*n/n' ；否貝lj，y ' = null;同時(shí)當(dāng)x>(m_m"），x" = (x+m"-m)*m/m" ；否 貝lj，x" =null;同時(shí)當(dāng)y>(n_n"），y" = (y+n"_n)*n/n" ；否則，y" =null。
[0053] 根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+1個(gè)四通道圖 像，組成集合如"二⑴'-"^':^…"'瞧:^其中^^表示根據(jù)六'^獲得的四通道圖像， 8、表示根據(jù)A、獲得的四通道圖像，B'2表示根據(jù)A'2獲得的四通道圖像，...，8'"_表示根據(jù) A'n?獲得的四通道圖像。
[0054] 一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)裝置包括：
[0055]樣本四通道圖像建立模塊，用于根據(jù)qq張清晰圖片集01"={01。山01"2...， DIorqq}建立對(duì)應(yīng)清晰圖片塊集合DI^DIhDL·…，DIqq}，根據(jù)pp張模糊圖片集BL〇 r = {BL〇rl，BUr2…，BUrPP}建立模糊圖片塊集合BL = {，BL2…，BLpp};清晰圖片塊DI i是從 第i張清晰圖片Dim的清晰部分裁剪得到的清晰圖像塊，模糊樣本圖塊是從第i張模糊 圖片BUri的模糊部分裁剪得到的模糊圖像塊;所述清晰圖片集DW及模糊圖片集BL。沖的 圖片尺寸大小為nb r*ncxr;模糊圖像塊以及清晰圖像塊的尺寸大小為m*n;其中pp = qq，pp大 于等于10000 ;m〇r> = m>150，n〇r> = n>150,0〈i〈 = pp，i為整數(shù);對(duì)于樣本SAii，需要獲取另外 兩幅相應(yīng)的子圖像Pm與Pii2，并通過(guò)將兩幅子圖像Pm與Pii2進(jìn)行縮放得到圖像Qm與Qii2， 對(duì)于樣本SAii，獲取圖像集合Sii= {SAii，Qm，Qii2};然后將圖片集合Sii的每個(gè)元素的V通道 均與gabor濾波器進(jìn)行卷積運(yùn)算，得到卷積圖像5' 11={1?11〇，1?111，1?112}，然后根據(jù)圖像集合 3' 11及3仏1的!1、5、￥三個(gè)通道，對(duì)應(yīng)得到樣本四通道圖像，所有的??+(1(1個(gè)樣本都執(zhí)行相同的 運(yùn)算得到pp+qq個(gè)樣本四通道圖像四通道圖像;其中ii = l，2,3, · · ·，pp+qq;SAii為模糊圖像 塊集合BL或清晰圖像塊集合DI中的任--幅圖像塊;Pm為大小為(111*1'1)*(11*1'1)的子圖像 塊，Ρ?2為大小為(m*r2)*(n*r2)的子圖像塊;其中r2〈rl;圖像集合Sii的每個(gè)元素的V通道均 與gabor濾波器進(jìn)行卷積，獲取三幅卷積后的圖像:Rii〇，Rm，Rii2，其中Rii〇為SAii的V通道與 gabor濾波器卷積后的圖像，Rm為Qm的V通道與gabor濾波器卷積后的圖像，Rii2為Qii2的V 通道與gabor濾波器卷積后的圖像；
[0056]深度卷積網(wǎng)絡(luò)模塊，用于構(gòu)建深度卷積網(wǎng)絡(luò)，將樣本四通道圖像建立模塊中得到 的樣本四通道圖像作為深度卷積網(wǎng)絡(luò)結(jié)構(gòu)的輸入進(jìn)行訓(xùn)練，并用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到 的模型的準(zhǔn)確率，最后得到深度學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型；其中驗(yàn)證集VD包括pp/5張模糊圖片 塊及qq/5張清晰圖片塊；
[0057]待識(shí)別HSV圖片識(shí)別模塊，用于從待識(shí)別HSV圖片中提取W2*k2/2大小的圖像塊， 即獲得區(qū)域A'hsv，同時(shí)將待識(shí)別的HSV圖片分割成多個(gè)圖像小塊，并根據(jù)區(qū)域A'hsv&這些圖 像小塊分別構(gòu)建待識(shí)別四通道圖像，即集合
[0058]圖片識(shí)別模塊，用于根據(jù)將R0I'中的元素作為網(wǎng)絡(luò)最優(yōu)模型的輸入進(jìn)行分類(lèi)，之 后R0I'中的元素經(jīng)過(guò)前向傳播過(guò)程即依次經(jīng)過(guò)卷積層cl->池化層Pl->歸一化層nl->卷積 層c2->池化層P2->歸一化層n2->卷積層c3->卷積層c4->池化層P3->全連接層fl->drcipout 層dl->全連接層f2->輸出層;最后的輸出層采用SoftMax函數(shù)給出R0I'中的元素的分類(lèi)結(jié) 果，這些結(jié)果構(gòu)成集合1^={1?'^，1^' 1，1^'2，...，1^'1^};根據(jù)1^'^確定整幅待識(shí)別圖 像的模糊屬性，如果RE ' hsv為模糊，則待識(shí)別圖像為模糊;如果RE ' hsv為清晰，numdi初始化為 1，之后遍歷RE'1，RE'2,. . .，RE'_，遇見(jiàn)值為清晰的，執(zhí)行numdi = numdi+l操作，最終若numdi/ (num+1)>Ra，貝幡識(shí)別圖像為清晰圖像;否則，待識(shí)別圖像為模糊圖像;其中Ra> = 0.2，numdi 〈=n um+1;當(dāng)待識(shí)別圖像為清晰圖像，貝lj集合RE S中元素值為清晰的元素對(duì)應(yīng)的區(qū)域?yàn)榇R(shí) 別圖像中的清晰區(qū)域。
[0059]進(jìn)一步的，所述樣本四通道圖像建立模塊中對(duì)于樣本SAn，需要獲取另外兩幅相應(yīng) 的子圖像Pm與Pll2,并通過(guò)將兩幅子圖像Pm與Pll2進(jìn)行縮放得到圖像Qm與Qll2,對(duì)于樣本 SAii，獲取圖像集合5^={5^，^^1，^^2};然后將圖片集合5^的每個(gè)元素的￥通道均與 8&1^ 濾波器進(jìn)行卷積運(yùn)算，得到卷積圖像3'11={1?11()，1? 111，1?112}，然后根據(jù)圖像集合5'11及5仏1的 H、S、V三個(gè)通道，對(duì)應(yīng)得到樣本四通道圖像，所有的pp+qq個(gè)樣本都執(zhí)行相同的運(yùn)算得到pp+ qq個(gè)四通道圖像具體過(guò)程是：
[0060] 步驟21:與SAii對(duì)應(yīng)的兩幅子圖像Pm與Pii2是這樣獲取的：假如SAii來(lái)源于圖像 BLori或DIori，那么子圖像Piil與Pii2取自BLori或DIori ;同時(shí)子圖像Piil中心、Pii2中心與樣本 SAii的中心重合;SAii的尺寸與Pm和pii2的尺寸關(guān)系為三種情況:Pm和pii2的尺寸都大于 SAii的尺寸;Pm和Ρ?2的尺寸都小于SAii的尺寸;Pm的尺寸大于SAii的尺寸，Pi i2的尺寸小 于尺寸;然后將兩幅子圖像Pm與Pll2進(jìn)行縮放，得到縮放后的子圖像Qm與Qll2,對(duì)于 樣本SAii，獲取圖像集Sii = {SAii，Qm，Qii2}，執(zhí)行步驟22;
[0061] 步驟22:圖片集合Su的每個(gè)圖片只選擇其V通道數(shù)據(jù)與gabor濾波器進(jìn)行卷積運(yùn) 算，即在〇度到180度之內(nèi)角度間隔均勾的XX個(gè)方向進(jìn)行卷積，得到XX個(gè)卷積后的圖像;從XX 個(gè)卷積后的圖像中選擇能量最強(qiáng)的卷積后的圖像作為最終的gabor濾波器卷積處理后的圖 像;即得到卷積圖像集合S' ii = {Rii〇，Rm，Rii2}，執(zhí)行步驟23; XX范圍是1到8;
[0062] 步驟23:根據(jù)卷積圖像集合S'u得到CHll4(x，y):
[0063] CHii4(x，y)=a*Rii〇(x，y)+0*( |Rii〇(x，y)-Rm(x，，y，）| + |Rm(x，，y，）-Rii2(x"，y"） )
[0064] 其中CHll4(x，y)為與樣本SAu對(duì)應(yīng)的第四通道圖像在位置(x，y)處的像素值，α，β為 權(quán)重系，數(shù)(X'，y'）為Rm對(duì)應(yīng)于Rii〇的(x，y)位置處的位置，（X"，y"）為Rii2對(duì)應(yīng)于Rii〇的(X， y)位置處的位置；當(dāng)x>(m-m'），x' = (x+m'-m)*m/m' ；否則，X' =null;同時(shí)當(dāng)y>(n-n'），y ' = (y+n'_n)*n/n' ；否則，y ' =null;同時(shí)當(dāng)x>(m_m"），x" = (x+m"-m)*m/m" ；否則，x" =null;同 時(shí)當(dāng)y>(n-n"），y" = (y+n"-n)*n/n" ；否則，y" =null;如果x'或者y'至少有一個(gè)為null，那 么Rm(x'，y'）則為0;如果x"或者y"至少有一個(gè)為null，那么Rii2(x"，y"）則為0; (x，y)表示 圖像任意位置；
[0065] 與樣本SAu對(duì)應(yīng)的四通道圖像的另外三個(gè)通道圖像在位置為(x，y)處的像素值分 別為
[0066] CHiii(x，y)、CHii2(x，y)、CHii3(x，y):
[0067] CHiii(x，y) =Hii(x，y)
[0068] CHii2(x，y) =Sii(x，y);
[0069] CHii3(x，y) =Vii(x，y)
[0070] 即得到樣本四通道圖像。
[0071] 進(jìn)一步的，所述樣本四通道圖像建立模塊中構(gòu)建深度卷積網(wǎng)絡(luò)，將步驟3得到的樣 本四通道圖像作為深度卷積網(wǎng)絡(luò)結(jié)構(gòu)的輸入進(jìn)行訓(xùn)練，并驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模 型的準(zhǔn)確率，最后得到深度學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型具體過(guò)程是：
[0072] 步驟31:深度卷積網(wǎng)絡(luò)包括1個(gè)輸入層，4個(gè)卷積層cl、c2、c3、c4，3個(gè)池化層PI、P2、 P3，2個(gè)歸一化層nl、n2，一個(gè)dropout層dl，2個(gè)全連接層f 1、f2和1個(gè)輸出層;輸入層采用大 小為m*n的四通道圖像作為輸入樣本;卷積層cl采用96個(gè)大小為11*11個(gè)高斯核函數(shù)提取圖 像的特征;池化層P1采用3*3大小的Stochastic池化辦法;歸一化層nl采用的局部區(qū)域尺寸 為5;卷積層c2采用256個(gè)大小為5*5個(gè)高斯核函數(shù)提取圖像的特征;池化層P2采用3*3大小 的Stochastic池化方法;歸一化層n2采用的局部區(qū)域尺寸為5;卷積層c3采用384個(gè)大小為 3*3個(gè)高斯核函數(shù)提取圖像的特征;卷積層c4采用256個(gè)大小為3*3個(gè)高斯核函數(shù)提取圖像 的特征;池化層P3采用空間金字塔池化層的辦法產(chǎn)生固定大小的輸出，這樣網(wǎng)絡(luò)輸入端的 圖片就可以有不同的尺寸，樣本圖像塊集合DI和BL中的元素分別是從Dior和BU r的元素中 截取的清晰圖像塊及模糊圖像塊，由于DI和BL中的元素的清晰及模糊部分的大小是不一樣 的，這就會(huì)導(dǎo)致DI和BL中的元素大小不可能都是一個(gè)尺寸，如果在樣本處理中將它們的大 小都?xì)w一化為相同的尺寸，那么它們就會(huì)由于縮放而導(dǎo)致其清晰度發(fā)生改變，P3層采用空 間金字塔池化層的辦法可以使得深度學(xué)習(xí)網(wǎng)絡(luò)的輸入圖片大小不一樣，這就避免了認(rèn)為去 改變樣本的清晰度;全連接層fl的輸出節(jié)點(diǎn)為4096個(gè);dropout層dl的作用可以防止過(guò)擬 合;全連接層f2的輸出節(jié)點(diǎn)個(gè)數(shù)與分類(lèi)的個(gè)數(shù)相同，這里為2類(lèi);輸出層采用SoftMax函數(shù)， 計(jì)算每一個(gè)輸入樣本屬于不同類(lèi)別的概率；
[0073]步驟32:網(wǎng)絡(luò)結(jié)構(gòu)可分為輸入層、隱含層和輸出層三個(gè)部分;前向傳播階段樣本圖 像依次通過(guò)卷積層cl_>池化層Pl->歸一化層nl->卷積層c2->池化層P2->歸一化層n2->卷 積層c3->卷積層c4->池化層P3->全連接層f!->dropout層dl->全連接層f2->輸出層;卷積 層用于提取圖像的特征，池化層用來(lái)對(duì)特征進(jìn)行降維，歸一化層對(duì)特征進(jìn)行歸一化， dropout可以用來(lái)防止過(guò)擬合，全連接層的當(dāng)前層神經(jīng)元與前一層神經(jīng)元全部連接，最后輸 出層給出分類(lèi)結(jié)果;后向傳播階段會(huì)根據(jù)誤差函數(shù)及采用梯度下降法反向調(diào)整深度學(xué)習(xí)網(wǎng) 絡(luò)中各層的權(quán)重和偏置;不斷重復(fù)前向傳播與后向傳播過(guò)程獲取基于樣本集的網(wǎng)絡(luò)模型； 然后在周期T內(nèi)，用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模型的準(zhǔn)確率，當(dāng)準(zhǔn)確率達(dá)到上限RP時(shí)，停 止訓(xùn)練，此時(shí)的網(wǎng)絡(luò)模型為最優(yōu)網(wǎng)絡(luò)模型；該最優(yōu)網(wǎng)絡(luò)模型用來(lái)對(duì)圖片的模糊屬性進(jìn)行分 類(lèi);0.85〈RP〈 = 1.0，T大于等于 200次。
[0074]進(jìn)一步的，所述待識(shí)別HSV圖片識(shí)別模塊中從待識(shí)別HSV圖片中提取1α/2*1?/2大小 的圖像塊，即獲得區(qū)域A'hsv，同時(shí)將待識(shí)別的HSV圖像分割成多個(gè)圖像小塊，具體過(guò)程是:步 驟41:將需要識(shí)別的HSV圖片的V通道數(shù)據(jù)V re_g與模板圖像進(jìn)行卷積運(yùn)算之后獲取的卷積 圖像C0，C0 = Vreccing*M0;模板圖像M0即為Sz行Sz列，大小為Sz*Sz，Sz = 3或5;
[0077]其中，其中va為大于0的數(shù)字，其范圍為0.5~1.0;
[0078]步驟42:對(duì)卷積圖像⑶進(jìn)行二值化，獲取的二值化圖像BI，二值化的過(guò)程為：遍歷 卷積圖像C0中的每一個(gè)像素，如果該處像素值小于閾值threshold，則圖像BI中對(duì)應(yīng)的像素 值為〇，如果該處像素值大于等于閾值threshold，則圖像BI中對(duì)應(yīng)的像素值為255 ; threshold為卷積圖像CO中的最大像素值的t倍，t = 0.6到0.8;
[0079] 步驟43:遍歷二值化圖像BI中的每一個(gè)像素值BI(x,y)，若BI(x, y)為0,則標(biāo)識(shí) para(x,y) = 0;否則，para(x,y)初始化為1;繼續(xù)遍歷BI(x,y)的4鄰域像素，當(dāng)遍歷BI( x,y)的4鄰域 像素有不為〇的像素點(diǎn)，則執(zhí)行口3抑(^)=口3瓜(^) + 1，其中口3瓜(^)的最大值為5，最小值為 〇；
[0080] 步驟44:計(jì)算獲取整幅圖像BI的形心位置坐標(biāo)(Xc^terjc^ter):
[0083] 其中w為圖像BI的寬，h為圖像BI的高；
[0084] 步驟45:在需要識(shí)別的HSV圖像中以（X center ? Yc enter )為中心，提取大小為kl*k2的區(qū) 域塊Ahsv;將Ahsv平均分成4等份，取4等份中梯度和最大的那一份作為最終的區(qū)域A ' hsv; A ' hsv 即為用于判定整幅圖像模糊屬性的圖片塊;A'hsv大小為1α/2*1?/2;假設(shè)待識(shí)別的HSV圖像的 尺寸是K1 〇r*K2or，那么Kl〇r> = kl，K2or> = k2 〇
[0085] 步驟46:將待識(shí)別的HSV圖像分割成多個(gè)圖像小塊，圖像小塊之間沒(méi)有重疊區(qū)域， 并且這些小塊的大小為均為kkAkkh假設(shè)待識(shí)別的HSV圖像的尺寸是Κ1"*Κ 2α，則kkK = 1(1。1'，1^2〈 = 1(2。1'，當(dāng)10(1 = 1(1。1'的時(shí)候，1^2〈 = 1(2。17/2，當(dāng)1(1(2 = 1(2。1'的時(shí)候，1^1〈 = 1(1。172。這些圖 像小塊及A'hsv構(gòu)建成集合R0I = {A'hsv，A'i，A'2,. . .，A'nUm}，其中num表示待識(shí)別的圖像最終 被分割成的圖像小塊的數(shù)目，Α?'2, ...，A'num依次表示第一個(gè)圖像小塊，第二個(gè)圖像小 塊，...，第num個(gè)圖像小塊;根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得 1111111+1個(gè)四通道圖像，組成集合1?01' = {8'^，8'1，8'2，...，8'_};其中8'^表示根據(jù)厶'-獲 得的四通道圖像，8、表示根據(jù)A、獲得的四通道圖像，B' 2表示根據(jù)A'2獲得的四通道圖 像，...3'_表示根據(jù)A'_獲得的四通道圖像；
[0086]進(jìn)一步的，所述待識(shí)別HSV圖片識(shí)別模塊中根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待 識(shí)別四通道圖像。以R0I中的第一個(gè)元素 A'hsv來(lái)說(shuō)明構(gòu)建待識(shí)別的四通道圖像的具體過(guò)程， 其它元素構(gòu)建待識(shí)別的四通道圖像的過(guò)程與A' hsv類(lèi)似，根據(jù)A'hsv構(gòu)建四通道圖像的過(guò)程如 下：
[0087] CHrecongl ( X，y ) - Hrecong ( X , y )
[0088] CHrecong2 ( X，y ) - Srecong ( X , y )
[0089] CHrecong3(x,y)=Vre cong (x,y)
[0090] CHrecong4 ( X , y )-a*Rrecong。( X，y )+β* ( | Rrecong。( X，y ) _Rrecongl ( X，y ) | + | Rrecongl ( X， y'）-Rrexx)ng2(x"，y"）I)其中CHre3_g4(x，y)為與區(qū)域A'h sv對(duì)應(yīng)的第四通道圖像在位置(x，y)處 的像素值，RrecongO，Rrecongl，Rrecong2分別表不待分類(lèi)的區(qū)域4'1^的￥通道、與待分類(lèi)區(qū)域六'1^ 對(duì)應(yīng)的兩個(gè)子圖像的V通道與gabor濾波器卷積之后獲取的圖像，CH reccingl，CHre_g2， CHr_ng3，CHr_ng4分別表示獲取的四個(gè)通道；（X '，y '）為IWongi對(duì)應(yīng)于Rr_ngQ的(X，y)位置處 的位置，（x"，y"）為R r_ng2對(duì)應(yīng)于Rr_ng〇的(x，y)位置處的位置;如果X'或者y'至少有一個(gè)為 null，那么Rre_gi(x'，y'）貝lj為0;如果x"或者y"至少有一個(gè)為null，那么Rre_g2(x"，y"）則為 0;待分類(lèi)區(qū)域圖片A' hsv的兩個(gè)子圖像的獲取過(guò)程與獲取Su的過(guò)程相似;Hr_ng(x，y)、S r_ng (^7)、￥^。_(1，7)定義為待分類(lèi)的區(qū)域圖片4'^的!1通道，5通道及￥通道的數(shù)據(jù);其中當(dāng)0 (mu'），x' = (x+m'-m)*m/m，；否則，x' =null;同時(shí)當(dāng)y>(n_n'），y ' = (y+n'_n)*n/n' ；否則， y ' =null;同時(shí)當(dāng)x>(m_m"），x" = (x+m"-m)*m/m" ；否貝丨J，x" =null;同時(shí)當(dāng)y>(n_n"），y" = (y +n"_n)*n/n" ；否則，y" =null。
[0091] 根據(jù)集合ROI中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+1個(gè)四通道圖 像，組成集合如"二⑴' -"^':^…"'瞧:^其中^^表示根據(jù)六'^獲得的四通道圖像， 8、表示根據(jù)A、獲得的四通道圖像，B'2表示根據(jù)A' 2獲得的四通道圖像，...，8'"_表示根據(jù) A'n?獲得的四通道圖像。
[0092] 綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：
[0093] 訓(xùn)練階段，針對(duì)清晰塊與模糊塊進(jìn)行訓(xùn)練，這避免了對(duì)整幅圖像訓(xùn)練帶來(lái)的特征 提取的不準(zhǔn)確:整幅圖像總有清晰部分與模糊部分，若將整幅圖像作為訓(xùn)練對(duì)象，不能很好 地提取圖像的特征。同時(shí)利用gabor濾波及多尺度信息來(lái)創(chuàng)建第四通道，將與圖像清晰度密 切相關(guān)的邊緣信息作為圖像的一維，提高算法分類(lèi)的性能。在識(shí)別階段，首先將能代表圖像 清晰度的細(xì)節(jié)豐富的部分提取出來(lái)，而后將待識(shí)別圖像分成多個(gè)小塊，對(duì)提取的細(xì)節(jié)豐富 的部分及這些小塊分別進(jìn)行判定，識(shí)別出它們的模糊屬性，根據(jù)模糊部分占整幅圖像的占 比來(lái)確定最終的整幅圖像的模糊屬性，這避免了整幅圖像作為輸入時(shí)帶來(lái)的誤差，同時(shí)根 據(jù)提取的細(xì)節(jié)豐富的部分及這些小塊的判定結(jié)果給出整幅圖像的清晰區(qū)域。
【附圖說(shuō)明】
[0094] 本發(fā)明將通過(guò)例子并參照附圖的方式說(shuō)明，其中：
[0095] 圖1本發(fā)明的流程圖。
【具體實(shí)施方式】
[0096] 本說(shuō)明書(shū)中公開(kāi)的所有特征，或公開(kāi)的所有方法或過(guò)程中的步驟，除了互相排斥 的特征和/或步驟以外，均可以以任何方式組合。
[0097] 本說(shuō)明書(shū)中公開(kāi)的任一特征，除非特別敘述，均可被其他等效或具有類(lèi)似目的的 替代特征加以替換。即，除非特別敘述，每個(gè)特征只是一系列等效或類(lèi)似特征中的一個(gè)例子 而已。
[0098] 本專(zhuān)利相關(guān)說(shuō)明：
[0099] 1、DIl · .BLl · η；
[0100] 2、Garb〇r濾波器有兩個(gè)重要的參數(shù):卷積模板的大小及方向。這里卷積模板的大 小取為 #2(2 = 5,7,9，11，13，15，17，19)，計(jì)算8(當(dāng)11 = 8時(shí))個(gè)方向上(0度，25度，50度，75 度，100度，125度，150度，175度）的gabor響應(yīng)。每幅圖像在這8個(gè)方向上的響應(yīng)是不一樣的， 最終選取在空間上能量響應(yīng)最強(qiáng)的作為最終的與gabor濾波器卷積后的圖像。
[0101] 3、在利用訓(xùn)練獲取到的模型進(jìn)行分類(lèi)的時(shí)候，提取的感興趣區(qū)域圖片及待識(shí)別圖 像的圖像小塊也需要獲取四通道圖像，即集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖 像，這時(shí)候只是將訓(xùn)練階段的四通道數(shù)據(jù)獲取過(guò)程中的成集合R0I中的元素，以R0I中 的第一個(gè)元素六'^來(lái)說(shuō)明構(gòu)建待識(shí)別的四通道圖像的具體過(guò)程，其它元素構(gòu)建待識(shí)別的四 通道圖像的過(guò)程與A'hsv類(lèi)似，根據(jù)A'hsv構(gòu)建四通道圖像的過(guò)程如下：
[01 02] CHrecongl (X，y ) -Hrecong(X , y )
[01 03] CHrecong2 (X , y ) - Srecong(X , y )
[0104] CHrecong3(xjy)=Vre cong (x,y)
[01 05] CHrecong4(X , y )-a*Rrecong。( X，y )+β* ( | Rrecong。( X，y ) _Rrecongl ( X，y ) | + | Rrecongl ( X， y' )-Rrec〇ng2(x"，y"）|)
[0106] 其中CHr_ng4( x，y)為與細(xì)節(jié)豐富的區(qū)域A ' hsv對(duì)應(yīng)的第四通道圖像在位置(x，y)處 的像素值，RreccmgO，Rre_gl，R re_g2分別表示待分類(lèi)的細(xì)節(jié)豐富的區(qū)域A ' hsv圖片的V通道、待 分類(lèi)細(xì)節(jié)豐富的區(qū)域A'hsv圖片的兩個(gè)子圖像的V通道與gabor濾波器卷積之后獲取的圖像， CHrecongl ? CHrecong2 ? CHrecong3 ? OWcmg4分別表示獲取的四個(gè)通道；（X '，y '）為Rre_gl對(duì)應(yīng)于 Rre3_gQ的(X，y)位置處的位置，（X"，y"）為Rre_g2對(duì)應(yīng)于Rr_ ng0的(X，y)位置處的位置，與上 面的S'?集合中的三幅圖像類(lèi)似。
[0107] 根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+Ι個(gè)四通道圖 像，組成集合如"二⑴' -"^':^…"'瞧:^其中^^表示根據(jù)六'^獲得的四通道圖像， 8、表示根據(jù)A、獲得的四通道圖像，B'2表示根據(jù)A' 2獲得的四通道圖像，...，8'"_表示根據(jù) A'n?獲得的四通道圖像。
[0108] 4、步驟3具體步驟是：
[0109] 步驟31:深度卷積網(wǎng)絡(luò)由1個(gè)輸入層，4個(gè)卷積層（用(31、〇2、〇3、〇4、表示），3個(gè)池化 層（用P1、P2、P3表示），2個(gè)歸一化層(用nl、n2表示），一個(gè)dropout層（用dl表示），2個(gè)全連接 層(用fl、f2表示)和1個(gè)輸出層組成;輸入層采用大小為m*n的四通道圖像作為輸入樣本;卷 積層cl采用96個(gè)大小為11*11個(gè)高斯核函數(shù)提取圖像的特征；池化層P1采用3*3大小的 Stochastic池化辦法;歸一化層nl采用的局部區(qū)域尺寸為5;卷積層c2采用256個(gè)大小為5*5 個(gè)高斯核函數(shù)提取圖像的特征;池化層P2采用3*3大小的Stochastic池化辦法。歸一化層n2 采用的局部區(qū)域尺寸為5。卷積層c3采用384個(gè)大小為3*3個(gè)高斯核函數(shù)提取圖像的特征;卷 積層c4采用256個(gè)大小為3*3個(gè)高斯核函數(shù)提取圖像的特征。池化層P3采用空間金字塔池化 層的辦法產(chǎn)生固定大小的輸出，這樣網(wǎng)絡(luò)輸入端的圖片就可以有不同的尺寸，樣本圖像塊 集合DI和BL中的元素分別是從Dior和BU r的元素中截取的清晰圖像塊及模糊圖像塊，由于 DI和BL中的元素的清晰及模糊部分的大小是不一樣的，這就會(huì)導(dǎo)致DI和BL中的元素大小不 可能都是一個(gè)尺寸，如果在樣本處理中將它們的大小都?xì)w一化為相同的尺寸，那么它們就 會(huì)由于縮放而導(dǎo)致其清晰度發(fā)生改變，P3層采用空間金字塔池化層的辦法可以使得深度學(xué) 習(xí)網(wǎng)絡(luò)的輸入圖片大小不一樣，這就避免了認(rèn)為去改變樣本的清晰度;全連接層Π 的輸出 節(jié)點(diǎn)為4096個(gè)。dropout層dl的作用可以防止過(guò)擬合。全連接層f 2的輸出節(jié)點(diǎn)個(gè)數(shù)與分類(lèi)的 個(gè)數(shù)相同，這里為2類(lèi)。輸出層采用SoftMax函數(shù)，計(jì)算每一個(gè)輸入樣本屬于不同類(lèi)別的概 率。
[0110] 步驟32:網(wǎng)絡(luò)結(jié)構(gòu)可分為輸入層、隱含層和輸出層三個(gè)部分。前向傳播階段樣本圖 像依次通過(guò)卷積層cl_>池化層Pl->歸一化層nl->卷積層c2->池化層P2->歸一化層n2->卷 積層c3->卷積層c4->池化層P3->全連接層f!->dropout層dl->全連接層f2->輸出層。卷積 層用于提取圖像的特征，池化層用來(lái)對(duì)特征進(jìn)行降維，歸一化層對(duì)特征進(jìn)行歸一化， dropout可以用來(lái)防止過(guò)擬合，全連接層的當(dāng)前層神經(jīng)元與前一層神經(jīng)元全部連接，最后輸 出層給出分類(lèi)結(jié)果。后向傳播階段會(huì)根據(jù)誤差函數(shù)及采用梯度下降法反向調(diào)整深度學(xué)習(xí)網(wǎng) 絡(luò)中各層的權(quán)重和偏置。不斷重復(fù)前向傳播與后向傳播過(guò)程直至獲取一個(gè)基于樣本集的最 優(yōu)網(wǎng)絡(luò)模型。該最優(yōu)網(wǎng)絡(luò)模型可以用來(lái)對(duì)圖片的模糊屬性進(jìn)行分類(lèi)。
[0111] 5、HSV圖片指的是HSV顏色空間的圖片。
[0112] 6、本發(fā)明采用HSV顏色空間來(lái)檢測(cè)圖像的模糊程度，深度學(xué)習(xí)網(wǎng)絡(luò)的輸入及類(lèi)別 判定的輸入圖像均采用四通道圖像，HSV顏色空間的H，S，V為三個(gè)通道，第四通道是亮度通 道V與gabor濾波器卷積而得。
[0113] 圖像的模糊程度最直觀的體現(xiàn)是在邊緣上，清晰的圖片較模糊的圖片有更為清晰 的邊緣，因此邊緣是判定圖片清晰或者模糊的一個(gè)重要參考量。Gabor濾波器可以很好地表 示圖像的紋理特征，已經(jīng)有研究確認(rèn)Gabor濾波器對(duì)于頻率和方向表示接近人類(lèi)視覺(jué)系統(tǒng) 對(duì)于頻率和方向的表示，是一個(gè)很有效的檢測(cè)邊緣的線性濾波器。在空域上來(lái)說(shuō)，一個(gè)2維 的Gabor濾波器是一個(gè)正弦平面波和高斯核函數(shù)的乘積，可以同時(shí)提供時(shí)域和頻域局部化 的信息。
[0114] 二維gabor濾波器復(fù)數(shù)形式的函數(shù)如下：
[0115] G(x,y)=R(x,y)+jKx,y)
[0116] R(x,y) =g(x,y)cos[2jrf (xcosB+ysinB)]
[0117] I(x,y) = g(x,y)sin[23rf (xcosB+ysinB)]
[0118]其中g(shù)(x,y)的定義如下：
[0120] 式中（x，y)表示像素的位置，j表示虛部單位，f代表了濾波的中心頻率，Θ代表了濾 波的方位。
[0121] Gabor函數(shù)的實(shí)部對(duì)圖像起到的是平滑的效果，而虛部是一個(gè)有效的邊緣檢測(cè)算 子，這里用虛部與圖像進(jìn)行卷積。圖像與二維gabor濾波器的卷積如下：
[0122] R(x，y) = I(x，y)*F(x，y)
[0123] 其中的F(x，y)為原始圖像，R(x，y)為與濾波器進(jìn)行卷積后的圖像，I(x，y)為gabor 濾波器的虛部。
[0124] 7、所述清晰圖片集Dior及模糊圖片集BUr中的圖片大小不要求一樣，可以有不同 的尺寸，其尺寸大小用mc^rw表示。模糊圖像塊以及清晰圖像塊的大小也不要求一樣，可以 有不同的尺寸，其尺寸大小用m*n表示。pp = qq，pp大于等于10000 ;nbr> = m>150，n〇r> = n> 150,0〈i〈 = pp，i為整數(shù)。
[0125] 本發(fā)明設(shè)計(jì)過(guò)程：
[0126] -、樣本圖片集的創(chuàng)建：
[0127] 根據(jù)(1(1張清晰圖片集01。:={01。:1，01。:2...，01。:(1(1}建立對(duì)應(yīng)清晰圖片塊集合01 = ^^^…^^，根據(jù)口口張模糊圖片集^^二⑴^^匕^…瓜^丨建立模糊圖片塊集 合BL= . .，BLPP};清晰圖片塊DL·是從第i張清晰圖片DIOTi的清晰部分裁剪得到的 清晰圖像塊，模糊樣本圖塊是從第i張模糊圖片BUri的模糊部分裁剪得到的模糊圖像 塊;所述清晰圖片集Dior及t旲糊圖片集BLor中的圖片尺寸大小為m〇r*n〇r ; t旲糊圖像塊以及清 晰圖像塊的尺寸大小為111*11;其中口口 = 99，口口大于等于10000;1]1。1'>=111>150，11。1'> = 11>150,0〈1 〈=PP，i為整數(shù)。在建立清晰圖片集Dior和模糊圖片集BUr時(shí)，模糊圖像和清晰圖像的劃分 是通過(guò)奇數(shù)個(gè)人投票決定其清晰與模糊歸屬的。
[0128] 二、gabor濾波及根據(jù)多尺度信息創(chuàng)建4通道圖像：
[0129] 本發(fā)明采用HSV顏色空間來(lái)檢測(cè)圖像的模糊程度，深度學(xué)習(xí)網(wǎng)絡(luò)的輸入及類(lèi)別判 定的輸入圖像均采用四通道圖像，HSV顏色空間的H，S，V為三個(gè)通道，第四通道是亮度通道V 與gabor濾波器卷積而得。
[0130] 圖像的模糊程度最直觀的體現(xiàn)是在邊緣上，清晰的圖片較模糊的圖片有更為清晰 的邊緣，因此邊緣是判定圖片清晰或者模糊的一個(gè)重要參考量。Gabor濾波器可以很好地表 示圖像的紋理特征，已經(jīng)有研究確認(rèn)Gabor濾波器對(duì)于頻率和方向表示接近人類(lèi)視覺(jué)系統(tǒng) 對(duì)于頻率和方向的表示，是一個(gè)很有效的檢測(cè)邊緣的線性濾波器。在空域上來(lái)說(shuō)，一個(gè)2維 的Gabor濾波器是一個(gè)正弦平面波和高斯核函數(shù)的乘積，可以同時(shí)提供時(shí)域和頻域局部化 的信息。
[0131] 二維gabor濾波器復(fù)數(shù)形式的函數(shù)如下：
[0132] G(x,y)=R(x,y)+jKx,y)
[0133] R(x,y) =g(x,y)cos[2jrf (xcosB+ysinB)]
[0134] I(x,y) = g(x,y)sin[23rf (xcosB+ysinB)]
[0135] 其中g(shù)(x,y)的定義如下：
[0137] 式中（x，y)表示像素的位置，j表示虛部單位，f代表了濾波的中心頻率，Θ代表了濾 波的方位。
[0138] Gabor函數(shù)的實(shí)部對(duì)圖像起到的是平滑的效果，而虛部是一個(gè)有效的邊緣檢測(cè)算 子，這里用虛部與圖像進(jìn)行卷積。圖像與二維gabor濾波器的卷積如下：
[0139] R(x，y) = I(x，y)*F(x，y)
[0140] 其中的F(X，y)為原始圖像，R(X，y)為濾波后的圖像，I (X，y)為gabor濾波器的虛 部。
[0141] Garbor濾波器有兩個(gè)重要的參數(shù):卷積模板的大小及方向。這里卷積模板的大小 取為 2打(2 = 5,7,9，11，13，15，17，19)，計(jì)算4個(gè)方向上(0,45,90，135)的8&1?^響應(yīng)。每幅圖 像在這4個(gè)方向上的響應(yīng)是不一樣的，最終選取在空間上能量響應(yīng)最強(qiáng)的作為最終的gabor 濾波后的圖像。
[0142] 1)對(duì)于樣本SAn，需要獲取另外兩幅相應(yīng)的子圖像Pm與Pll2,并通過(guò)將兩幅子圖像 Pm與Ρ?2進(jìn)行縮放得到圖像Qm與Qii2，對(duì)于樣本SAii，獲取圖像集合Sii = {SAii，Qm，Qii2}; 然后將圖片集合Su的每個(gè)元素的V通道均與gabor濾波器進(jìn)行卷積運(yùn)算，得到卷積圖像S'n ={1?11()，1?111，1?112}，然后根據(jù)圖像集合3' 11及54^的!1、5、￥三個(gè)通道，對(duì)應(yīng)得到樣本四通道圖 像，所有的PP+qq個(gè)樣本都執(zhí)行相同的運(yùn)算得到PP+qq個(gè)四通道圖像;其中ii = l，2,3, · · ·， pp+qq;SAii為模糊圖像塊集合BL或清晰圖像塊集合DI中的任--幅圖像塊;Pm為大小為 (m*rl)*(n*rl)的子圖像塊，Ρ?2為大小為(m*r2)*(n*r2)的子圖像塊;其中r2〈rl;圖像集合 Su的每個(gè)元素的V通道均與gabor濾波器進(jìn)行卷積，獲取三幅卷積后的圖像:RllQ，Rm，Rll2， 其中Rii〇為SAii與gabor濾波器卷積后的圖像，Rm為Qm與gabor濾波器卷積后的圖像，Rii2為 Qii2與gabor濾波器卷積后的圖像。
[0143] 圖片集合Su的每個(gè)圖片只選擇其V通道數(shù)據(jù)與gabor濾波器進(jìn)行卷積運(yùn)算，即在0 度到180度之內(nèi)角度間隔均勾的XX個(gè)方向進(jìn)行卷積，得到XX個(gè)卷積后的圖像；從XX個(gè)卷積 后的圖像中選擇能量最強(qiáng)的卷積后的圖像作為最終的gabor濾波器卷積處理后的圖像；即 得到卷積圖像集合S' ? = {Rii〇，Rm，Rii2}，執(zhí)行步驟23;XX范圍是1到8;
[0144] 步驟23:根據(jù)卷積圖像集合S'u得到CHll4(x，y):
[0145] CHii4(x，y)=a*Rii〇(x，y)+0*( |Rii〇(x，y)-Rm(x，，y，）| + |Rm(x，，y，）-Rii2(x"，y"） )
[0146] 其中CHll4(x，y)為與樣本SAu對(duì)應(yīng)的第四通道圖像在位置(x，y)處的像素值，α，β為 權(quán)重系數(shù)，（X'，y'）為Rm對(duì)應(yīng)于Rii〇的(x，y)位置處的位置，（X"，y"）為Rii2對(duì)應(yīng)于Rii〇的(X， y)位置處的位置；當(dāng)x>(m-m'），x' = (x+m'-m)*m/m' ；否則，X' =null;同時(shí)當(dāng)y>(n-n'），y ' = (y+n'_n)*n/n' ；否則，y ' =null;同時(shí)當(dāng)x>(m_m"），x" = (x+m"-m)*m/m" ；否則，x" =null;同 時(shí)當(dāng)y>(n-n"），y" = (y+n"-n)*n/n" ；否則，y" =null;如果x'或者y'至少有一個(gè)為null，那 么Rm(x'，y'）則為0;如果x"或者y"至少有一個(gè)為null，那么Rii2(x"，y"）則為0; (x，y)圖像 任意位置；
[0147] 與樣本SAu對(duì)應(yīng)的四通道圖像的另外三個(gè)通道圖像在位置為(x，y)處的像素值分 別為
[0148] CHiii(x，y)、CHii2(x，y)、CHii3(x，y):
[0149] CHiii(x，y) =Hii(x，y)
[0150] CHii2(x，y) =Sii(x，y);
[0151] CHii3(x，y) =Vii(x，y)
[0152] 即得到樣本四通道圖像。
[0153] 2)在利用訓(xùn)練獲取到的模型進(jìn)行分類(lèi)的時(shí)候，集合R0I中的每個(gè)元素也需要執(zhí)行 相同的操作獲取四通道圖像，我們以R0I中的第一個(gè)元素 A'hsv來(lái)說(shuō)明構(gòu)建待識(shí)別的四通道 圖像的具體過(guò)程，其它元素構(gòu)建待識(shí)別的四通道圖像的過(guò)程與A' hsv類(lèi)似，根據(jù)A'hsv構(gòu)建四 通道圖像的過(guò)程如下：
[01 54] CHrecongl (X，y ) -Hrecong(X , y )
[01 55] CHrecong2 (X，y ) - Srecong(X , y )
[0156] CHrecong3(x,y)=Vre cong (x,y)
[0157] CHrecong4 ( X , y )-a*Rrecong。（ X，y )( | Rrecong。（ X，y ) _Rrecongl ( X，y ) | + | Rrecongl ( X， y'）-Rre_g2(x"，y"）|)其中CHre_g4(x，y)為與區(qū)域A'h sv對(duì)應(yīng)的第四通道圖像在位置(x，y)處 的像素值，
[01 58] RrecongO ? Rrecongl ? Rrecon g2分別表示區(qū)域A'hsv圖片的V通道、與區(qū)域A'hsv圖片對(duì)應(yīng)的兩 個(gè)子圖像的V通道與gabor濾波器卷積之后獲取的圖像，CHreccingl，CHreccing2，CH reccing3，CHrecong4 分別表示獲取的四個(gè)通道；（x'，y'）為Rre_gl對(duì)應(yīng)于Rre_ gQ的(x，y)位置處的位置，（x"，y"） 為Rre_g2對(duì)應(yīng)于Rre_g()的（X，y)位置處的位置；如果X '或者y '至少有一個(gè)為null，那么 Rrecongi(X '，y '）則為0;如果X "或者y"至少有一個(gè)為nul 1，那么Rreccing2(X"，y"）則為0;區(qū)域 A hsv的兩個(gè)子圖像的獲取過(guò)程與獲取Sii的過(guò)程相似;Hrec;ong(X，y )、Srec;ong(X，y )、Vrec;ong(X，y ) 定義為待分類(lèi)細(xì)節(jié)豐富的區(qū)域里的H通道，S通道及V通道的數(shù)據(jù);其中當(dāng)x>(m-m'），x' = (x+ ；否則，x' = null;同時(shí)當(dāng)y>(n_n'），y ' = (y+n'_n)*n/n' ；否則，y ' =null;同時(shí) 當(dāng)x>(m-m" )，x" = (x+m''一m)氺m/m" ；否貝lj，x" =null;同日寸當(dāng)y>(n-n" )，y" = (y+n''一n)氺n/n" ； 否則，y" =null。
[0159] 根據(jù)集合ROI中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+1個(gè)四通道圖 像，組成集合如"二⑴' -"^':^…"'瞧:^其中^^表示根據(jù)六'^獲得的四通道圖像， 8、表示根據(jù)A、獲得的四通道圖像，B'2表示根據(jù)A' 2獲得的四通道圖像，...，8'"_表示根據(jù) A'n?獲得的四通道圖像。
[0160] 三、樣本四通道圖像作為深度卷積網(wǎng)絡(luò)結(jié)構(gòu)的輸入圖像進(jìn)行訓(xùn)練，最后得到深度 學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型。
[0161] 本發(fā)明采用的深度卷積網(wǎng)絡(luò)由1個(gè)輸入層，4個(gè)卷積層（用cl、c2、c3、c4、表示），3 個(gè)池化層（用P1、P2、P3表示），2個(gè)歸一化層（用nl、n2表示），一個(gè)dropout層（用dl表示），2個(gè) 全連接層（用f 1、f 2表示)和1個(gè)輸出層組成。
[0162] 本發(fā)明采用的網(wǎng)絡(luò)模型的結(jié)構(gòu)為:輸入層采用大小為m*n的四通道圖像作為輸入 樣本;卷積層cl采用96個(gè)大小為11*11個(gè)高斯核函數(shù)提取圖像的特征。池化層P1采用3*3大 小的Stochas t i c池化辦法，這樣池化辦法的泛化能力更強(qiáng)。
[0163] 歸一化層nl采用的局部區(qū)域尺寸為5。卷積層c2采用256個(gè)大小為5*5個(gè)高斯核函 數(shù)提取圖像的特征。池化層P2采用3*3大小的Stochastic池化辦法。歸一化層n2采用的局部 區(qū)域尺寸為5。卷積層c3采用384個(gè)大小為3*3個(gè)高斯核函數(shù)提取圖像的特征。
[0164] 卷積層c4采用256個(gè)大小為3*3個(gè)高斯核函數(shù)提取圖像的特征。池化層P3采用空間 金字塔池化層的辦法產(chǎn)生固定大小的輸出，這樣網(wǎng)絡(luò)輸入端的圖片就可以有不同的尺寸， 樣本圖像塊集合DI和BL中的元素分別是從DI OT和BUr的元素中截取的清晰圖像塊及模糊圖 像塊，由于DI和BL中的元素的清晰及模糊部分的大小是不一樣的，這就會(huì)導(dǎo)致DI和BL中的 元素大小不可能都是一個(gè)尺寸，如果在樣本處理中將它們的大小都?xì)w一化為相同的尺寸， 那么它們就會(huì)由于縮放而導(dǎo)致其清晰度發(fā)生改變，P3層采用空間金字塔池化層的辦法可以 使得深度學(xué)習(xí)網(wǎng)絡(luò)的輸入圖片大小不一樣，這就避免了認(rèn)為去改變樣本的清晰度。
[0165]全連接層Π 的輸出節(jié)點(diǎn)為4096個(gè)。dropout層dl的作用可以防止過(guò)擬合。全連接層 f2的輸出節(jié)點(diǎn)個(gè)數(shù)與分類(lèi)的個(gè)數(shù)相同，這里為2類(lèi)。輸出層采用SoftMax函數(shù)，計(jì)算每一個(gè)輸 入樣本屬于不同類(lèi)別的概率。
[0166]網(wǎng)絡(luò)構(gòu)建完成之后，接著就可以對(duì)訓(xùn)練集中的樣本實(shí)施訓(xùn)練，以獲取各網(wǎng)絡(luò)層的 最優(yōu)參數(shù)。網(wǎng)絡(luò)結(jié)構(gòu)可分為輸入層、隱含層和輸出層三個(gè)部分。前向傳播階段樣本圖像依次 通過(guò)卷積層cl->池化層Pl->歸一化層nl->卷積層c2->池化層P2->歸一化層n2->卷積層 c3->卷積層c4->池化層P3->全連接層fl->dropout層dl->全連接層f2->輸出層。卷積層用 于提取圖像的特征，池化層用來(lái)對(duì)特征進(jìn)行降維，歸一化層對(duì)特征進(jìn)行歸一化，dropout可 以用來(lái)防止過(guò)擬合，全連接層的當(dāng)前層神經(jīng)元與前一層神經(jīng)元全部連接，最后輸出層給出 分類(lèi)結(jié)果。后向傳播階段會(huì)根據(jù)誤差函數(shù)及采用梯度下降法反向調(diào)整深度學(xué)習(xí)網(wǎng)絡(luò)中各層 的權(quán)重和偏置。不斷重復(fù)前向傳播與后向傳播過(guò)程獲取網(wǎng)絡(luò)模型;然后在周期T內(nèi)，用驗(yàn)證 集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模型的準(zhǔn)確率，當(dāng)準(zhǔn)確率達(dá)到上限RP時(shí)，停止訓(xùn)練，此時(shí)的網(wǎng)絡(luò)模型 為最優(yōu)網(wǎng)絡(luò)模型;該最優(yōu)網(wǎng)絡(luò)模型用來(lái)對(duì)圖片的模糊屬性進(jìn)行分類(lèi);〇.85〈1^〈 = 1.0，1'大于 等于200次。
[0167] 四、識(shí)別的圖像進(jìn)行感興趣區(qū)域A'hsv提取，同時(shí)將待識(shí)別的HSV圖像分割成多個(gè)圖 像小塊，并且建立四通道圖像
[0168] 步驟41:將需要識(shí)別的HSV圖片的V通道數(shù)據(jù)￥^_8與模板圖像進(jìn)行卷積運(yùn)算之后 獲取的卷積圖像CO，C0 = Vr_ng*M0;模板圖像M0即為Sz行Sz列，大小為Sz*Sz，Sz = 3或5;
[0171] 其中，其中va為大于0的數(shù)字，其范圍為0.5~1.0;
[0172] 步驟42:對(duì)卷積圖像⑶進(jìn)行二值化，獲取的二值化圖像BI，二值化的過(guò)程為:遍歷 卷積圖像C0中的每一個(gè)像素，如果該處像素值小于閾值threshold，則圖像BI中對(duì)應(yīng)的像素 值為〇，如果該處像素值大于等于閾值threshold，則圖像BI中對(duì)應(yīng)的像素值為255 ; threshold為卷積圖像C0中的最大像素值的t倍，t = 0.6到0.8;
[0173] 步驟43:遍歷二值化圖像BI中的每一個(gè)像素值BI(x,y)，若BI(x, y)為0,則標(biāo)識(shí) para(x,y) = 0;否則，para(x,y)初始化為1;繼續(xù)遍歷BI(x,y)的4鄰域像素，當(dāng)遍歷BI( x,y)的4鄰域 像素有不為〇的像素點(diǎn)，則執(zhí)行口3抑(^)=口3瓜(^) + 1，其中口3瓜(^)的最大值為5，最小值為 〇；
[0174] 步驟44:計(jì)算獲取整幅圖像BI的形心位置坐標(biāo)(Xcenter，ycenter):
[0177] 其中w為圖像BI的寬，h為圖像BI的高；
[0178] 步驟45:在需要識(shí)別的HSV圖像中以（X center ? Yc enter )為中心，提取大小為kl*k2的區(qū) 域塊Ahsv;將Ahsv平均分成4等份，取4等份中梯度和最大的那一份作為最終的區(qū)域A ' hsv; A ' hsv 大小為ki/2*k2/2;假設(shè)待識(shí)別的HSV圖像的尺寸是，那么KlOT> = lu，K2ot> = k2。
[0179] 步驟46:將待識(shí)別的HSV圖像分割成多個(gè)圖像小塊，圖像小塊之間沒(méi)有重疊區(qū)域， 并且這些小塊的大小為均為kkAkkh假設(shè)待識(shí)別的HSV圖像的尺寸是Κ1"*Κ 2α，則kkK = 1(1。1'，1^2〈 = 1(2。1'，當(dāng)10(1 = 1(1。1'的時(shí)候，1^2〈 = 1(2。17/2，當(dāng)1(1(2 = 1(2。1'的時(shí)候，1^1〈 = 1(1。172。這些圖 像小塊及A'hsv構(gòu)建成集合R0I = {A'hsv，A'i，A'2,. . .，A'nUm}，其中num表示待識(shí)別的圖像最終 被分割成的圖像小塊的數(shù)目，Α?'2, ...，A'num依次表示第一個(gè)圖像小塊，第二個(gè)圖像小 塊，…·，第num個(gè)圖像小塊。
[0180] 根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+Ι個(gè)四通道圖 像，組成集合如"二⑴' -"^':^…"'瞧:^其中^^表示根據(jù)六'^獲得的四通道圖像， 8、表示根據(jù)A、獲得的四通道圖像，B'2表示根據(jù)A'2獲得的四通道圖像，...，8'"_表示根據(jù) A'n?獲得的四通道圖像。
[0181] 五、將四通道圖像輸入深度學(xué)習(xí)網(wǎng)絡(luò)
[0182] 將步驟四中的R0I'中的元素作為步驟3獲得的網(wǎng)絡(luò)最優(yōu)模型的輸入進(jìn)行分類(lèi)， R0I'中的元素依次經(jīng)過(guò)前向傳播過(guò)程即依次經(jīng)過(guò)卷積層cl_>池化層Pl->歸一化層nl_>卷 積層c2->池化層P2->歸一化層n2->卷積層c3->卷積層c4->池化層P3->全連接層f 1-> dropout層dl->全連接層f2->輸出層;最后的輸出層采用SoftMax函數(shù)給出R0I'中的元素的 分類(lèi)結(jié)果；
[0183] 六:確定待識(shí)別圖像的模糊屬性及給出待識(shí)別圖像的清晰區(qū)域
[0184] 根據(jù)RE'hsv確定整幅待識(shí)別圖像的模糊屬性，如果RE'hsv為模糊，則待識(shí)別圖像為 模糊；如果RE ' hsv為清晰，numdi初始化為1，之后遍歷RE ' ！，RE ' 2，. . .，RE ' num，遇見(jiàn)值為清晰 的，執(zhí)行numdi = numdi+l操作，最終若numdi/(num+1)>Ra，則待識(shí)別圖像為清晰，其中Ra> = 0.2;若待識(shí)別圖像為清晰，則集合RES中元素值為清晰的元素對(duì)應(yīng)的區(qū)域?yàn)榇R(shí)別圖像中 的清晰區(qū)域。
[0185] 本發(fā)明并不局限于前述的【具體實(shí)施方式】。本發(fā)明擴(kuò)展到任何在本說(shuō)明書(shū)中披露的 新特征或任何新的組合，以及披露的任一新的方法或過(guò)程的步驟或任何新的組合。
【主權(quán)項(xiàng)】
1. 一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法，其特征在于： 步驟1:根據(jù)99張清晰圖片集01。,=郵。山01。,2...，01。,。。}建立對(duì)應(yīng)清晰圖片塊集合01 =郵1，012...，0199}，根據(jù)卵張模糊圖片集化。,={8^1，8^2...，8以汁。}建立模糊圖片塊 集合化={B^，BL2...，化pp};清晰圖片塊Dli是從第i張清晰圖片Dlori的清晰部分裁剪得到 的清晰圖像塊，模糊樣本圖塊BLi是從第i張模糊圖片BUri的模糊部分裁剪得到的模糊圖像 塊;所述清晰圖片集Dior及模糊圖片集化。r中的圖片尺寸大小為m〇r*n〇r;模糊圖像塊W及清 晰圖像塊的尺寸大小為m*n;其中卵 = qq,卵大于等于10000;m。r〉=m〉150,n。r〉= n〉150,0<i <=PP，i為整數(shù)，執(zhí)行步驟2; 步驟2 :對(duì)于樣本SAii，需要獲取另外兩幅相應(yīng)的子圖像Pill與Pii2，并通過(guò)將兩幅子圖像 Piii與Pii2進(jìn)行縮放得到圖像Qiii與化i2,對(duì)于樣本SAii，獲取圖像集合Sii= {SAii，化ii，Qii2}; 然后將圖片集合Sii的每個(gè)元素的V通道均與gabor濾波器進(jìn)行卷積運(yùn)算，得到卷積圖像S'li =瓜1〇瓜11，虹12}，然后根據(jù)圖像集合5'11及5心1的山5、￥^個(gè)通道，對(duì)應(yīng)得到樣本四通道圖 像，所有的PP+qq個(gè)樣本都執(zhí)行相同的運(yùn)算得到PP+qq個(gè)樣本四通道圖像;執(zhí)行步驟3;其中 ii = l，2,3, . . .，pp+qq;SAii為模糊圖像塊集合化或清晰圖像塊集合DI中的任一一幅圖像 塊;Piii為大小為(m*rl)*(n*rl)的子圖像塊，Pii2為大小為(m*r2)*(n*r2)的子圖像塊;其中 r2<rl;圖像集合Sii的每個(gè)元素的V通道均與gabor濾波器進(jìn)行卷積，獲取Ξ幅卷積后的圖 像:Riio，Rm，Rii2,其中Riio為SAii的V通道與gabor濾波器卷積后的圖像，Rii功Qiii的V通道與 gabor濾波器卷積后的圖像，Rii2為Qii2的V通道與gabor濾波器卷積后的圖像，執(zhí)行步驟3; 步驟3 :構(gòu)建深度卷積網(wǎng)絡(luò)，將步驟3得到的PP+qq個(gè)樣本四通道圖像作為深度卷積網(wǎng)絡(luò) 結(jié)構(gòu)的輸入圖像進(jìn)行訓(xùn)練，并用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模型的準(zhǔn)確率，最后得到深度 學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型;執(zhí)行步驟4;其中驗(yàn)證集VD包括pp/5張模糊圖片塊及qq/5張清晰圖片 塊，執(zhí)行步驟4; 步驟4:從待識(shí)別HSV圖片中提取ki/2*k2/2大小的圖像塊，即獲得區(qū)域A'hsv，同時(shí)將待 識(shí)別的HSV圖片分割成多個(gè)圖像小塊，并根據(jù)區(qū)域A'hsv及運(yùn)些圖像小塊分別構(gòu)建待識(shí)別四 通道圖像，即集合R0Γ = {B'hsv，B'l，B'2，...，B'n?};num〉0;執(zhí)行步驟5; 步驟5:將步驟4中獲得的集合R0I'中的每個(gè)四通道圖像元素作為步驟3獲得的網(wǎng)絡(luò)最 優(yōu)模型的輸入進(jìn)行分類(lèi)，R0I'中的每個(gè)四通道圖像元素依次經(jīng)過(guò)前向傳播過(guò)程即依次經(jīng)過(guò) 卷積層cl-〉池化層P1-〉歸一化層nl->卷積層c2->池化層P2-〉歸一化層n2->卷積層c3->卷 積層c4->池化層P3-〉全連接層f!-〉d;ropout層dl->全連接層f2->輸出層;最后的輸出層采 用SoftMax函數(shù)給出R0I'中的每個(gè)四通道圖像元素的分類(lèi)結(jié)果，組成結(jié)果集合RES = {RE' hsv，RE' 1，RE' 2，. . .，RE 'rum}，其中RE 'hsv表示B'hsv的分類(lèi)結(jié)果，RE'讀示根據(jù)B' 1的分類(lèi) 結(jié)果，RE'2表示根據(jù)B'2的分類(lèi)結(jié)果，RE'3表示根據(jù)B'3的分類(lèi)結(jié)果，...，RE'num表示B'num的分 類(lèi)結(jié)果;執(zhí)行步驟6; 步驟6:根據(jù)RE ' hsv確定整幅待識(shí)別圖像的模糊屬性，如果RE ' hsv為模糊，則待識(shí)別圖像 為模糊；如果RE ' hsv為清晰，numdi初始化為1，之后遍歷E ' 1，RE ' 2，. . .，RE ' num，遇見(jiàn)值為清晰 的，執(zhí)行numdi = numdi+l操作，最終若numdi/(num+1)〉Ra，則待識(shí)別圖像為清晰圖像;否則，待 識(shí)別圖像為模糊圖像，其中Ra〉= 0.2; numdi< = num+1;當(dāng)待識(shí)別圖像為清晰圖像，則集合RES 中元素值為清晰的元素對(duì)應(yīng)的區(qū)域?yàn)榇R(shí)別圖像中的清晰區(qū)域。2. 根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法，其特征在于步 驟2具體過(guò)程是： 步驟21:與SAii對(duì)應(yīng)的兩幅子圖像Pm與Pii2是運(yùn)樣獲取的：假如SAii來(lái)源于圖像化。ri或 DIori，那么子圖像Piil與Pii2取自化ori或DIori ;同時(shí)子圖像Piil中屯、、Pii2中屯、與樣本SAii的中 屯、重合；SAii的尺寸與Pm和Pii2的尺寸關(guān)系為Ξ種情況:Pm和Pii2的尺寸都大于SAii的尺 寸;Piii和Pii2的尺寸都小于SAii的尺寸;Piii的尺寸大于SAii的尺寸，Pii2的尺寸小于SAii的尺 寸;然后將兩幅子圖像Pill與Pii2進(jìn)行縮放，得到縮放后的子圖像Qiil與化12,對(duì)于樣本SAii，獲 取圖像集Sii={SAii，化ii，Qii2}，執(zhí)行步驟22; 步驟22:圖片集合Sii的每個(gè)圖片只選擇其V通道數(shù)據(jù)與gabor濾波器進(jìn)行卷積運(yùn)算，即 在0度到180度之內(nèi)角度間隔均勻的XX個(gè)方向進(jìn)行卷積，得到XX個(gè)卷積后的圖像;從XX個(gè)卷 積后的圖像中選擇能量最強(qiáng)的卷積后的圖像作為最終的gabor濾波器卷積處理后的圖像； 即得到卷積圖像集合S ' ii = {Riio，Riii，Rii2}，執(zhí)行步驟23; XX范圍是巧化； 步驟23:根據(jù)卷積圖像集合S'l菊到CHii4(x，y): CHu^x，y)=a*Rii〇(x，y)+帕（|Rii〇(x，y)-Riii(x'，y'）| + |Riii(x'，y'）-Rii2(x"，y") I ) 其中CHii4(x，y)為與樣本SAii對(duì)應(yīng)的第四通道圖像在位置(x，y)處的像素值，α，β為權(quán)重 系數(shù)，（x'，y'）為Rill對(duì)應(yīng)于Riio的（x，y)位置處的位置，為Rii擁應(yīng)于Riio的（x，y)位 置處的位置；當(dāng)x〉（m-m'），x' = (x+m'-m)*m/m' ；否則，X' =null;同時(shí)當(dāng)y〉（n-n'），y ' = (y+ n'-n)*n/n' ；否則，y ' = null;同時(shí)當(dāng))，x" = (x+m"-m)*m/m";否則，X" =null;同時(shí) 當(dāng)y〉(n-n" )，y" = (y+n" -n) *n/n";否則，y" = nu 11;如果X'或者y ' 至少有一個(gè)為nu 11，那么 Riii(x'，y'）則為0;如果X"或者y"至少有一個(gè)為null,那么Rii2(x"，y")則為0;(x，y)表示圖 像的任意位置； 與樣本SAii對(duì)應(yīng)的四通道圖像的另外Ξ個(gè)通道圖像在位置為(x，y)處的像素值分別為 CHiii(x,y)、CHii2(x,y)、CHii3(x,y): CHiii(x，y)=出 i(x，y) C出i2(x，y) = Sii(x，y); CHii3(x,y)=Vii(x,y) 即得到樣本四通道圖像。3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法，其特征在于步 驟3具體包括： 步驟31:深度卷積網(wǎng)絡(luò)包括1個(gè)輸入層，4個(gè)卷積層cl、c2、c3、c4,3個(gè)池化層P1、P2、P3，2 個(gè)歸一化層nl、n2，一個(gè)化opout層dl，2個(gè)全連接層η、f 2和1個(gè)輸出層;輸入層采用大小為 m*n的pp+qq個(gè)樣本四通道圖像作為輸入;卷積層cl采用96個(gè)大小為11*11個(gè)高斯核函數(shù)提 取圖像的特征;池化層P1采用3*3大小的Stochastic池化辦法;歸一化層nl采用的局部區(qū)域 尺寸為5;卷積層c2采用256個(gè)大小為5巧個(gè)高斯核函數(shù)提取圖像的特征;池化層P2采用3*3 大小的Stochastic池化方法；歸一化層n2義用的局部區(qū)域尺寸為5;卷積層c3義用384個(gè)大 小為3*3個(gè)高斯核函數(shù)提取圖像的特征;卷積層c4采用256個(gè)大小為3*3個(gè)高斯核函數(shù)提取 圖像的特征;池化層P3采用空間金字塔池化層的辦法產(chǎn)生固定大小的輸出，運(yùn)樣網(wǎng)絡(luò)輸入 端的圖片就可W有不同的尺寸，樣本圖像塊集合DI和化中的元素分別是從Dior和化。r的元 素中截取的清晰圖像塊及模糊圖像塊，由于D巧日化中的元素的清晰及模糊部分的大小是不 一樣的，運(yùn)就會(huì)導(dǎo)致DI和化中的元素大小不可能都是一個(gè)尺寸，如果在樣本處理中將它們 的大小都?xì)w一化為相同的尺寸，那么它們就會(huì)由于縮放而導(dǎo)致其清晰度發(fā)生改變，P3層采 用空間金字塔池化層的辦法可W使得深度學(xué)習(xí)網(wǎng)絡(luò)的輸入圖片大小不一樣，運(yùn)就避免了人 為去改變樣本的清晰度;全連接層Π 的輸出節(jié)點(diǎn)為4096個(gè);化opout層dl的作用可W防止過(guò) 擬合;全連接層f2的輸出節(jié)點(diǎn)個(gè)數(shù)與分類(lèi)的個(gè)數(shù)相同，運(yùn)里為2類(lèi);輸出層采用SoftMax函 數(shù)，計(jì)算每一個(gè)輸入樣本屬于不同類(lèi)別的概率； 步驟32:網(wǎng)絡(luò)結(jié)構(gòu)可分為輸入層、隱含層和輸出層Ξ個(gè)部分;前向傳播階段樣本圖像依 次通過(guò)卷積層cl-〉池化層P1-〉歸一化層nl->卷積層c2->池化層P2-〉歸一化層n2->卷積層 c3-〉卷積層c4-〉池化層P3-〉全連接層f l-〉d;ropout層dl-〉全連接層f 2-〉輸出層;卷積層用 于提取圖像的特征，池化層用來(lái)對(duì)特征進(jìn)行降維，歸一化層對(duì)特征進(jìn)行歸一化，dropout可 W用來(lái)防止過(guò)擬合，全連接層的當(dāng)前層神經(jīng)元與前一層神經(jīng)元全部連接，最后輸出層給出 分類(lèi)結(jié)果;后向傳播階段會(huì)根據(jù)誤差函數(shù)及采用梯度下降法反向調(diào)整深度學(xué)習(xí)網(wǎng)絡(luò)中各層 的權(quán)重和偏置;不斷重復(fù)前向傳播與后向傳播過(guò)程獲取一個(gè)基于樣本集的網(wǎng)絡(luò)模型;然后 再周期T內(nèi)，用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模型的準(zhǔn)確率，當(dāng)準(zhǔn)確率達(dá)到上限RP時(shí)，停止訓(xùn) 練，此時(shí)的網(wǎng)絡(luò)模型為最優(yōu)網(wǎng)絡(luò)模型；該最優(yōu)網(wǎng)絡(luò)模型用來(lái)對(duì)圖片的模糊屬性進(jìn)行分類(lèi)； 0.85<RP< = 1.0，T大于等于 200次。4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法，其特征在于步 驟4,具體過(guò)程是： 步驟41:將需要識(shí)別的HSV圖片的V通道數(shù)據(jù)Vrewng與模板圖像進(jìn)行卷積運(yùn)算之后獲取 的卷積圖像C0，C0 = Vrecong*M0 ;模板圖像M0即為Sz行Sz列，大小為Sz巧Z，Sz = 3或5。其中，其中va為大于0的數(shù)字，其范圍為0.5~1.0; 步驟42:對(duì)卷積圖像C0進(jìn)行二值化，獲取的二值化圖像BI，二值化的過(guò)程為:遍歷卷積 圖像C0中的每一個(gè)像素，如果該處像素值小于闊值thresho Id，則圖像BI中對(duì)應(yīng)的像素值為 0，如果該處像素值大于等于闊值化reshold，則圖像BI中對(duì)應(yīng)的像素值為255; t虹eshold為 卷積圖像C0中的最大像素值的t倍，t = 0.6到0.8; 步驟43:遍歷二值化圖像BI中的每一個(gè)像素值BI(x,y)，若BI(x,y)為0，則標(biāo)識(shí)para(x,y)= 0;否則，para(x,y)初始化為1;繼續(xù)遍歷BI(x,y)的4鄰域像素，當(dāng)遍歷BI(x,y)的4鄰域像素有不 為0的像素點(diǎn)，則執(zhí)行9曰腳(^) = 9曰腳(^)+1，其中9曰腳(^)的最大值為5，最小值為0; 步驟44 :計(jì)算獲取整幅圖像BI的形屯、位置坐標(biāo)(Xcenter，ycenter):其中W為圖像BI的寬，h為圖像BI的高； 步驟45 :在需要識(shí)別的服V圖像中W ( Xcenter，ycenter )為中屯、，提取大小為kl*k2的區(qū)域塊 Ahsv;將Ahsv平均分成4等份，取4等份中梯度和最大的那一份作為最終的區(qū)域A'hsv;A'hsv大小 為kl/2*k2/2 ;假設(shè)待識(shí)別的服V圖像的尺寸是Klor體2or，那么Klor〉= kl，K2or> = k2。 步驟46:將待識(shí)別的HSV圖像分割成多個(gè)圖像小塊，圖像小塊之間沒(méi)有重疊區(qū)域，并且 運(yùn)些小塊的大小為均為化l*kk2,假設(shè)待識(shí)別的服V圖像的尺寸是Klor體2。。則化^ = Kl〇r，化2 < = K2or，當(dāng) KKl = Kl〇r 的時(shí)候，kk2< = K2or/2,當(dāng) KK2 = K2or 的時(shí)候，klu< = Kl〇r/2。運(yùn)些圖像小塊 及A'hsv構(gòu)建成集合R0I = {A'hsv，A'i,A'2,. . . ,Α'η?}，其中num表示待識(shí)別的圖像最終被分割 成的圖像小塊的數(shù)目，A'1，A'2, . . .，A'n?依次表示第一個(gè)圖像小塊，第二個(gè)圖像小塊，...， 第num個(gè)圖像小塊;根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+1個(gè) 四通道圖像，組成集合R0I' = {B'hsv，B'l，B'2, . . .，B'num};其中B'hsv表示根據(jù)A'hsv獲得的四 通道圖像，B'l表示根據(jù)A'l獲得的四通道圖像，B'2表示根據(jù)A'2獲得的四通道圖像，...， B ' η?表示根據(jù)A ' η?獲得的四通道圖像;執(zhí)行步驟5。5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)方法，其特征在于步 驟46中根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像；WR0I中的第一個(gè)元素 A'hsv 來(lái)說(shuō)明構(gòu)建待識(shí)別的四通道圖像的具體過(guò)程，其它元素構(gòu)建待識(shí)別的四通道圖像的過(guò)程與 A ' hsv類(lèi)似，根據(jù)A ' hsv構(gòu)建四通道圖像的過(guò)程如下： CHrecongl ( X , y ) - Hrecong ( X , y ) CHrecong2 ( X , y ) - Srecong ( X , y ) CHrecon的（X , y ) _ Vrecong ( X , y ) CHrecong4 ( X , y )-曰*RrecongO ( X , y )+β* ( RrecongO ( X , y ) -Rrecongl ( X , y )+ Rrecongl(x ,Y )- Rreco噸2(X ,y )) 其中CHrecong4(X，y)為與區(qū)域A'hsv對(duì)應(yīng)的第四通道圖像在位置(X，y)處的像素值， RrecongO，Rrecongl，Rrecong2分別表不待分類(lèi)的區(qū)域A ' hsv圖片的V通道、與待分類(lèi)區(qū)域A ' hsv圖 片對(duì)應(yīng)的兩個(gè)子圖像的V通道與gabor濾波器卷積之后獲取的圖像，CHreccmgl，CHreccmg2， CHrecong3，CHrecong4分別表示獲取的四個(gè)通道；（X '，y '）為Rrecongl對(duì)應(yīng)于Rrecong日的（X，y )位置處 的位置，為Rrecong2對(duì)應(yīng)于Rrecong日的（X，y)位置處的位置;如果X'或者y'至少有一個(gè) 為null,那么Rrec。噸i(x'，y'）則為0;如果X"或者y"至少有一個(gè)為null,那么Rrec。噸2(x"，y")貝1J 為0 ;待分類(lèi)區(qū)域A ' hsv兩個(gè)子圖像的獲取過(guò)程與獲取Sii的過(guò)程相似;HrecongU，y )、SrecDngU， y)定義、Vrec〇ng(x，y)為待分類(lèi)區(qū)域A'hsv里的Η通道，S通道及V通道的數(shù)據(jù);其中當(dāng)X〉(m-m'）， X' = (x+m'一m)*m/m' ；否貝！J，x' = null;同時(shí)當(dāng)y〉(n_n'），y ' = (y+n'一n)*n/n' ；否貝！J，y ' = null;同時(shí)當(dāng)x〉(m-m" )，x" = (x+m"-m)卻i/m";否貝！J，x" =null;同時(shí)當(dāng)y〉(n-n"），y" = (y+n''- n)*n/n";否則，y" =null。 根據(jù)集合ROI中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+1個(gè)四通道圖像， 組成集合R0Γ = {B'hsv，B'l，B'2，...，B'n?};其中B'hsv表示根據(jù)A'hsv獲得的四通道圖像，B'l 表示根據(jù)A'l獲得的四通道圖像，B'2表示根據(jù)A'2獲得的四通道圖像，...，B'nu"表示根據(jù) A'n?獲得的四通道圖像。6. -種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)裝置，其特征在于包括： 樣本四通道圖像建立模塊，用于根據(jù)99張清晰圖片集01。,= {01。,1，01。,2...，01。巧9}建 立對(duì)應(yīng)清晰圖片塊集合DI = {DIi，Dl2. . .，DIqq}，根據(jù)PP張模糊圖片集化。r={BL〇ri, 化or2...，化。rpp}建立模糊圖片塊集合化={Bb，BL2...，化pp};清晰圖片塊Dli是從第i張清 晰圖片Dlori的清晰部分裁剪得到的清晰圖像塊，模糊樣本圖塊化1是從第i張模糊圖片化ori 的模糊部分裁剪得到的模糊圖像塊;所述清晰圖片集DIdt及模糊圖片集化。r中的圖片尺寸 大小為m〇r*n〇r;模糊圖像塊W及清晰圖像塊的尺寸大小為m*n;其中pp = qq，pp大于等于 10000; m〇r〉二m〉150, n〇r〉二n〉150,0〈i〈二PP, i為整數(shù)；對(duì)于樣本SAii,需要獲取另外兩幅相 應(yīng)的子圖像Pm與Pii2,并通過(guò)將兩幅子圖像Pm與Pii2進(jìn)行縮放得到圖像Qm與化12,對(duì)于樣 本SAii，獲取圖像集合511={5411，9111，9112};然后將圖片集合511的每個(gè)元素的￥通道均與 gabor濾波器進(jìn)行卷積運(yùn)算，得到卷積圖像5'11=化1〇，1?111，1?112}，然后根據(jù)圖像集合5'1汲 SAii的H、S、V^個(gè)通道，對(duì)應(yīng)得到樣本四通道圖像，所有的pp+qq個(gè)樣本都執(zhí)行相同的運(yùn)算得 至Ij卵+qq個(gè)樣本四通道圖像;其中ii = l，2,3, . . .，pp+qq;SAii為模糊圖像塊集合化或清晰圖 像塊集合DI中的任一一幅圖像塊;Pm為大小為(m*rl)*(n*rl)的子圖像塊，Pii2為大小為 (m*r2)*(n*r2)的子圖像塊;其中r2<rl;圖像集合Sii的每個(gè)元素的V通道均與gabor濾波器 進(jìn)行卷積，獲??；幅卷積后的圖像:Rii〇，Rm，Rii2,其中Rii日為SAii的V通道與gabor濾波器卷 積后的圖像，Riii為Qiii的V通道與gabor濾波器卷積后的圖像，Rii2為Qii2的V通道與gabor濾 波器卷積后的圖像； 深度卷積網(wǎng)絡(luò)模塊，用于構(gòu)建深度卷積網(wǎng)絡(luò)，將樣本四通道圖像建立模塊中得到的樣 本四通道圖像作為深度卷積網(wǎng)絡(luò)結(jié)構(gòu)的輸入圖像進(jìn)行訓(xùn)練，并用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到 的模型的準(zhǔn)確率，最后得到深度學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型；其中驗(yàn)證集VD包括PP/5張模糊圖片 塊及qq/5張清晰圖片塊； 待識(shí)別HSV圖片識(shí)別模塊，用于從待識(shí)別HSV圖片中提取ki/2*k2^大小的圖像塊，即獲 得區(qū)域A'hsv，同時(shí)將待識(shí)別的HSV圖片分割成多個(gè)圖像小塊，并根據(jù)區(qū)域A'hsv及運(yùn)些圖像小 塊分別構(gòu)建待識(shí)別四通道圖像，即集合R〇r={B'hsv，B'l，B'2，...，B'num}; 圖片識(shí)別模塊，用于根據(jù)將Ror中的元素作為網(wǎng)絡(luò)最優(yōu)模型的輸入進(jìn)行分類(lèi)，之后 R0I'中的元素經(jīng)過(guò)前向傳播過(guò)程即依次經(jīng)過(guò)卷積層cl-〉池化層P1-〉歸一化層nl->卷積層 c2->池化層P2-〉歸一化層n2->卷積層c3->卷積層c4->池化層P3-〉全連接層n-Mropout層 dl->全連接層f2->輸出層;最后的輸出層采用SoftMax函數(shù)給出R0I'中的元素的分類(lèi)結(jié)果， 運(yùn)些結(jié)果構(gòu)成集合RES= {RE' hsv，RE ' 1，RE ' 2，. . .，RE 'num};根據(jù)RE' hsv確定整幅待識(shí)別圖像的 模糊屬性，如果RE ' hsv為模糊，則待識(shí)別圖像為模糊；如果RE ' hsv為清晰，numdi初始化為1，之 后遍歷RE'i,RE'2, . . .，RE'nim，遇見(jiàn)值為清晰的，執(zhí)行numdi = numdi+l操作，最終若numdi/(num + l)〉Ra，則待識(shí)別圖像為清晰圖像;否則，待識(shí)別圖像為模糊圖像;其中Ra〉= 0.2，numdi< = num+1;當(dāng)待識(shí)別圖像為清晰圖像，則集合RES中元素值為清晰的元素對(duì)應(yīng)的區(qū)域?yàn)榇R(shí)別 圖像中的清晰區(qū)域。7. 根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)裝置，其特征在于所 述樣本四通道圖像建立模塊中對(duì)于樣本SAii，需要獲取另外兩幅相應(yīng)的子圖像Pm與Pii2,并 通過(guò)將兩幅子圖像Pill與Pii2進(jìn)行縮放得到圖像Qiil與Qii2,對(duì)于樣本SAii，獲取圖像集合Sii = {SAii，Qm，Qii2};然后將圖片集合Sii的每個(gè)元素的V通道均與gabor濾波器進(jìn)行卷積運(yùn) 算，得到卷積圖像S'll={RllO，Rlll，Rll2}，然后根據(jù)圖像集合S'll及SAll的H、S、Vミ個(gè)通道，對(duì) 應(yīng)得到樣本四通道圖像，所有的pp+qq個(gè)樣本都執(zhí)行相同的運(yùn)算得到pp+qq個(gè)四通道圖像具 體過(guò)程是： 步驟21:與SAii對(duì)應(yīng)的兩幅子圖像Pm與Pii2是運(yùn)樣獲取的：假如SAii來(lái)源于圖像化。ri或 DIori，那么子圖像Piil與Pii2取自化ori或DIori ;同時(shí)子圖像Piil中屯、、Pii2中屯、與樣本SAii的中 屯、重合；SAii的尺寸與Pm和Pii2的尺寸關(guān)系為Ξ種情況:Pm和Pii2的尺寸都大于SAii的尺 寸;Piii和Pii2的尺寸都小于SAii的尺寸;Piii的尺寸大于SAii的尺寸，Pii2的尺寸小于SAii的 尺寸;然后將兩幅子圖像Pill與Pii2進(jìn)行縮放，得到縮放后的子圖像Qiil與化12,對(duì)于樣本SAii， 獲取圖像集Sii={SAii，化ii，Qii2}，執(zhí)行步驟22; 步驟22:圖片集合Sii的每個(gè)圖片只選擇其V通道數(shù)據(jù)與gabor濾波器進(jìn)行卷積運(yùn)算，即 在0度到180度之內(nèi)角度間隔均勻的XX個(gè)方向進(jìn)行卷積，得到XX個(gè)卷積后的圖像;從XX個(gè)卷 積后的圖像中選擇能量最強(qiáng)的卷積后的圖像作為最終的gabor濾波器卷積處理后的圖像； 即得到卷積圖像集合S ' ii = {Riio，Riii，Rii2}，執(zhí)行步驟23; XX范圍是巧化； 步驟23:根據(jù)卷積圖像集合S'l菊到CHii4(x，y): CHu^x，y)=a*Rii〇(x，y)+帕（|Rii〇(x，y)-Riii(x'，y'）| + |Riii(x'，y'）-Rii2(x"，y") I ) 其中CHii4(x，y)為與樣本SAii對(duì)應(yīng)的第四通道圖像在位置(x，y)處的像素值，α，β為權(quán)重 系數(shù)，（x'，y'）為Rill對(duì)應(yīng)于Riio的（x，y)位置處的位置，為Rii擁應(yīng)于Riio的（x，y)位 置處的位置；當(dāng)x〉（m-m'），x' = (x+m'-m)*m/m' ；否則，X' =null;同時(shí)當(dāng)y〉（n-n'），y ' = (y+ n'-n)*n/n' ；否則，y ' = null;同時(shí)當(dāng))，x" = (x+m"-m)*m/m";否則，X" =null;同時(shí) 當(dāng)y〉(n-n" )，y" = (y+n" -n) *n/n";否則，y" = nu 11;如果X'或者y ' 至少有一個(gè)為nu 11，那么 Riii(x'，y'）則為0;如果X"或者y"至少有一個(gè)為null,那么Rii2(x"，y")則為0;(x，y)表示圖 像任意位置； 與樣本SAii對(duì)應(yīng)的四通道圖像的另外Ξ個(gè)通道圖像在位置為(x，y)處的像素值分別為 CHiii(x,y)、CHii2(x,y)、CHii3(x,y): CHiii(x，y)=出 i(x，y) C出i2(x，y) = Sii(x，y); CHii3(x,y)=Vii(x,y) 即得到樣本四通道圖像。8.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)裝置，其特征在于所 述樣本四通道圖像建立模塊中構(gòu)建深度卷積網(wǎng)絡(luò)，將步驟3得到的樣本四通道圖像作為深 度卷積網(wǎng)絡(luò)結(jié)構(gòu)的輸入進(jìn)行訓(xùn)練，并用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模型的準(zhǔn)確率，最后得 到深度學(xué)習(xí)網(wǎng)絡(luò)的最優(yōu)模型具體過(guò)程是： 步驟31:深度卷積網(wǎng)絡(luò)包括1個(gè)輸入層，4個(gè)卷積層cl、c2、c3、c4,3個(gè)池化層P1、P2、P3，2 個(gè)歸一化層nl、n2，一個(gè)化opout層dl，2個(gè)全連接層η、f 2和1個(gè)輸出層;輸入層采用大小為 m*n的四通道圖像作為輸入樣本;卷積層cl采用96個(gè)大小為11*11個(gè)高斯核函數(shù)提取圖像的 特征;池化層P1采用3*3大小的Stochastic池化辦法;歸一化層nl采用的局部區(qū)域尺寸為5; 卷積層c2采用256個(gè)大小為5巧個(gè)高斯核函數(shù)提取圖像的特征；池化層P2采用3*3大小的 Stochastic池化方法;歸一化層n2采用的局部區(qū)域尺寸為5;卷積層c3采用384個(gè)大小為3*3 個(gè)高斯核函數(shù)提取圖像的特征;卷積層c4采用256個(gè)大小為3*3個(gè)高斯核函數(shù)提取圖像的特 征;池化層P3采用空間金字塔池化層的辦法產(chǎn)生固定大小的輸出，運(yùn)樣網(wǎng)絡(luò)輸入端的圖片 就可W有不同的尺寸，樣本圖像塊集合DI和化中的元素分別是從Dior和化。r的元素中截取 的清晰圖像塊及模糊圖像塊，由于DI和化中的元素的清晰及模糊部分的大小是不一樣的， 運(yùn)就會(huì)導(dǎo)致DI和化中的元素大小不可能都是一個(gè)尺寸，如果在樣本處理中將它們的大小都 歸一化為相同的尺寸，那么它們就會(huì)由于縮放而導(dǎo)致其清晰度發(fā)生改變，P3層采用空間金 字塔池化層的辦法可W使得深度學(xué)習(xí)網(wǎng)絡(luò)的輸入圖片大小不一樣，運(yùn)就避免了認(rèn)為去改變 樣本的清晰度;全連接層Π 的輸出節(jié)點(diǎn)為4096個(gè);dropout層dl的作用可W防止過(guò)擬合;全 連接層f2的輸出節(jié)點(diǎn)個(gè)數(shù)與分類(lèi)的個(gè)數(shù)相同，運(yùn)里為2類(lèi);輸出層采用SoftMax函數(shù)，計(jì)算 每一個(gè)輸入樣本屬于不同類(lèi)別的概率； 步驟32:網(wǎng)絡(luò)結(jié)構(gòu)可分為輸入層、隱含層和輸出層Ξ個(gè)部分;前向傳播階段樣本圖像依 次通過(guò)卷積層cl-〉池化層P1-〉歸一化層nl->卷積層c2->池化層P2-〉歸一化層n2->卷積層 c3-〉卷積層c4-〉池化層P3-〉全連接層f l-〉d;ropout層dl-〉全連接層f 2-〉輸出層;卷積層用 于提取圖像的特征，池化層用來(lái)對(duì)特征進(jìn)行降維，歸一化層對(duì)特征進(jìn)行歸一化，dropout可 W用來(lái)防止過(guò)擬合，全連接層的當(dāng)前層神經(jīng)元與前一層神經(jīng)元全部連接，最后輸出層給出 分類(lèi)結(jié)果;后向傳播階段會(huì)根據(jù)誤差函數(shù)及采用梯度下降法反向調(diào)整深度學(xué)習(xí)網(wǎng)絡(luò)中各層 的權(quán)重和偏置;不斷重復(fù)前向傳播與后向傳播過(guò)程獲取基于樣本集的網(wǎng)絡(luò)模型;然后在周 期T內(nèi)，用驗(yàn)證集VD檢測(cè)已經(jīng)學(xué)習(xí)到的模型的準(zhǔn)確率，當(dāng)準(zhǔn)確率達(dá)到上限RP時(shí)，停止訓(xùn)練，此 時(shí)的網(wǎng)絡(luò)模型為最優(yōu)網(wǎng)絡(luò)模型;該最優(yōu)網(wǎng)絡(luò)模型用來(lái)對(duì)圖片的模糊屬性進(jìn)行分類(lèi);〇.85<RP < = 1.0, T大于等于200次。9.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)裝置，其特征在于所 述待識(shí)別HSV圖片識(shí)別模塊中從待識(shí)別HSV圖片中提取ki/2*k2/2大小的圖像塊，即獲得區(qū)域 A'hsv，同時(shí)將待識(shí)別的HSV圖像分割成多個(gè)圖像小塊，具體過(guò)程是：步驟41:將需要識(shí)別的 HSV圖片的V通道數(shù)據(jù)Vrec。噸與模板圖像進(jìn)行卷積運(yùn)算之后獲取的卷積圖像C0，C0 = Vreco噸* M0;模板圖像M0即為Sz行Sz列，大小為Sz巧Z，Sz = 3或5;其中，其中va為大于0的數(shù)字，其范圍為0.5~1.0; 步驟42:對(duì)卷積圖像C0進(jìn)行二值化，獲取的二值化圖像BI，二值化的過(guò)程為:遍歷卷積 圖像C0中的每一個(gè)像素，如果該處像素值小于闊值thresho Id，則圖像BI中對(duì)應(yīng)的像素值為 0,如果該處像素值大于等于闊值化reshold，則圖像BI中對(duì)應(yīng)的像素值為255; threshold為 卷積圖像C0中的最大像素值的t倍，t = 0.6到0.8; 步驟43:遍歷二值化圖像BI中的每一個(gè)像素值BI (x,y)，若BI (x,y)為0，則標(biāo)識(shí)para(x,y)= 0;否則，para(x,y)初始化為1;繼續(xù)遍歷BI(x,y)的4鄰域像素，當(dāng)遍歷BI(x,y)的4鄰域像素有不 為0的像素點(diǎn)，則執(zhí)行9曰腳(^) = 9曰腳(^)+1，其中9曰腳(^)的最大值為5，最小值為0; 步驟44 :計(jì)算獲取整幅圖像BI的形屯、位置坐標(biāo)(Xcenter，ycenter):其中W為圖像BI的寬，h為圖像BI的高； 步驟45:在需要識(shí)別的HSV圖像中^山日。*日。7。日。*日,)為中屯、，提取大小為41*1?的區(qū)域塊 Ahsv;將Ahsv平均分成4等份，取4等份中梯度和最大的那一份作為最終的區(qū)域A'hsv;A'hsv大小 為kl/2*k2/2 ;假設(shè)待識(shí)別的服V圖像的尺寸是Klor體2or，那么Klor〉= kl，K2or> = k2。 步驟46:將待識(shí)別的HSV圖像分割成多個(gè)圖像小塊，圖像小塊之間沒(méi)有重疊區(qū)域，并且 運(yùn)些小塊的大小為均為kkl*kk2,假設(shè)待識(shí)別的服V圖像的尺寸是Klnr體2。。則化^ = Klnr，化2 < = K2or，當(dāng) KKl = Kl〇r 的時(shí)候，kk2< = K2or/2,當(dāng) KK2 = K2or 的時(shí)候，klu< = Kl〇r/2。運(yùn)些圖像小塊 及A' hsv構(gòu)建成集合R0I = {A' hsv，A' 1，A' 2，. . .，A'num}，其中num表示待識(shí)別的圖像最終被分割 成的圖像小塊的數(shù)目，A'1，A'2, . . .，Α'η?依次表示第一個(gè)圖像小塊，第二個(gè)圖像小塊，...， 第num個(gè)圖像小塊;根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+1個(gè) 四通道圖像，組成集合R0I' = {B'hsv，B'l，B'2, . . .，B'num};其中B'hsv表示根據(jù)A'hsv獲得的四 通道圖像，B'l表示根據(jù)A'l獲得的四通道圖像，B'2表示根據(jù)A'2獲得的四通道圖像，...， B ' num表示根據(jù)A ' num獲得的四通道圖像。10.根據(jù)權(quán)利要求9所述的一種基于深度學(xué)習(xí)的圖像模糊區(qū)域檢測(cè)裝置，其特征在于所 述待識(shí)別HSV圖片識(shí)別模塊中根據(jù)集合R0I中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像；W R0I中的第一個(gè)元素 A'hsv來(lái)說(shuō)明構(gòu)建待識(shí)別的四通道圖像的具體過(guò)程，其它元素構(gòu)建待識(shí) 另?yè)B四通道圖像的過(guò)程與A'hsv類(lèi)似，根據(jù)A'hsv構(gòu)建四通道圖像的過(guò)程如下：CHrecong4(x,y) = Q^RrecongO ( X , Y )+β* ( | RrecongO ( X , Υ ) "R recongl(X ,y ) Ι + Ι Rrecongl(X,y)_ Rrecong2(X ,y ) I ) 其中CHre。。ng4U，y)為與區(qū)域A'hsv對(duì)應(yīng)的第四通道圖像在位置U，y)處的像素值， 私6。。。旨0，把6。。。旨1，私6。。。旨2分別表示待分類(lèi)的區(qū)域六\3^^的￥通道、與待分類(lèi)區(qū)域六\3^^(才應(yīng)的兩個(gè) 子圖像的V通道與gabor濾波器卷積之后獲取的圖像，CHreccmgl，CHreccmg2，CHreccmg3，CHreccmg4分 別表示獲取的四個(gè)通道；U'，y'）為Rrecongl對(duì)應(yīng)于RrecongO的（X，y)位置處的位置，U"，y")為 Rrecong2對(duì)應(yīng)于RrecongO的（X，y)位置處的位置;如果X'或者y'至少有一個(gè)為null，那么Rrecongl 作'，7'）則為〇;如果^"或者/'至少有一個(gè)為^11，那么私6。。。胃2片'，/'）則為〇;待分類(lèi)區(qū)域圖 片A hsv的兩個(gè)子圖像的獲取過(guò)程與獲取Sii的過(guò)程相似化eccmg(x , y )、Srecong(X , y )、Vreccmg(x , y)定義為待分類(lèi)的區(qū)域圖片A'hsv的H通道，S通道及V通道的數(shù)據(jù);其中當(dāng)x〉(m-m'），x'二（x+ ；否則，X' 二null;同時(shí)當(dāng)y〉（n-n'），y ' 二（y+n'-n)*n/n' ；否則，y ' 二null;同時(shí) 當(dāng)x〉(m_m，，)，x，，= (x+m，，_m)本m/m，，；否則，x，，=null;同日寸當(dāng)y〉(n_n，，)，y，，= (y+n，，_n)本n/n，，； 否則，y"=null。 根據(jù)集合ROI中的每個(gè)元素分別構(gòu)建待識(shí)別四通道圖像，共獲得num+1個(gè)四通道圖像， 組成集合R0Γ = {B'hsv，B'l，B'2，...，B'n?};其中B'hsv表示根據(jù)A'hsv獲得的四通道圖像，B'l 表示根據(jù)A'l獲得的四通道圖像，B'2表示根據(jù)A'2獲得的四通道圖像，...，B'nu"表示根據(jù) Α'η?獲得的四通道圖像。
【文檔編號(hào)】G06K9/32GK106096605SQ201610390374
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年6月2日 公開(kāi)號(hào)201610390374.8, CN 106096605 A, CN 106096605A, CN 201610390374, CN-A-106096605, CN106096605 A, CN106096605A, CN201610390374, CN201610390374.8
【發(fā)明人】史方, 喬寶華, 王標(biāo)
【申請(qǐng)人】史方