matlab车牌代码-DeblurCNN-mnist:DeblurCNN-mnist

matlab车牌代码使用卷积神经网络进行图像去模糊 项目目标 我们项目的想法是训练卷积神经网络（CNN）来反转这些模糊效果。 因此，CNN的输入是模糊图像，而输出是校正后的图像。 取而代之的是，我们在此存储库中演示了如何使用CNN来从“嘈杂的MNIST（运动模糊）”数据集[1]中对图像进行模糊处理。 方法 使用机器学习或更具体地说是CNN进行图像去模糊可能会非常棘手，因为CNN是一种受监督的学习算法，因此需要成对的输入和正确的标签进行训练。 但是，在去模糊方案中，我们仅获得模糊的图像（又名输入），而没有目标。 解决此问题的方法是从数据集中找到描述与模糊图像相同的东西的清晰图片，然后人为地模糊这些清晰图像以接收目标。 但是，这带来了一个问题，即训练和验证数据不是通过与测试集相同的分布生成的（实际模糊图像）。 因此，我们必须对自然模糊建模，使其尽可能接近以实现合理的结果。 为了使用运动模糊对MNIST图像进行模糊处理，我们使用了清晰的数据集，并使用长度为4-6px的运动模糊和随机角度对其进行了人工模糊处理。 我们的CNN具有一个相当简单的体系结构，包括3个卷积层，内核大小分别为7、5和3，