1.一種基于深度學(xué)習(xí)的高精度圖像模糊檢測(cè)方法，其特征在于：包括如下步驟：
步驟一，建立深度卷積神經(jīng)網(wǎng)絡(luò)模型CNN和初始化，并向其輸入檢測(cè)圖像；
步驟二，所述深度卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)需要檢測(cè)圖像選取不同s個(gè)尺度獲得不同尺度的圖像塊，(其中s＝1,2,..)；
步驟三，所述深度卷積神經(jīng)網(wǎng)絡(luò)模型按照六種卷積層對(duì)步驟二中所述圖像塊進(jìn)行特征提取獲得單尺度模糊圖：
步驟四，所述深度卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)不同的所述單尺度模糊圖進(jìn)行多次融合處理輸出模糊圖。
2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的高精度圖像模糊檢測(cè)方法，其特征在于：所述步驟二中不同尺度的圖像塊是根據(jù)對(duì)應(yīng)的尺度對(duì)檢測(cè)圖像進(jìn)行填料，然后用滑動(dòng)窗口對(duì)于圖下的每一個(gè)像素點(diǎn)取對(duì)應(yīng)的圖像塊，獲得每個(gè)尺度下能夠輸入對(duì)應(yīng)圖像塊的圖像像素點(diǎn)的每一個(gè)對(duì)應(yīng)的圖像塊。
3.根據(jù)權(quán)利要1所述的一種基于深度學(xué)習(xí)的高精度圖像模糊檢測(cè)方法，其特征在于：所述深度卷積神經(jīng)網(wǎng)絡(luò)模型按照六種卷積層對(duì)步驟二中所述圖像塊進(jìn)行特征提取獲得單尺度模糊圖步驟：
步驟一，第一卷積層采用96個(gè)5x5的過(guò)濾器對(duì)所述圖像塊提取低階的特征；
步驟二，第二卷積層采用256個(gè)5x5的過(guò)濾器對(duì)所述圖像塊提取中階的特征；
步驟三，第三卷積層采用384個(gè)3x3的過(guò)濾器對(duì)所述圖像塊提取高階的特征；
步驟四，第四卷積層和第五卷積層均采用2048個(gè)過(guò)濾器對(duì)所述圖像塊提取特征；
步驟五，第六卷積層采用一個(gè)2路的softmax分類(lèi)器對(duì)所述圖像塊進(jìn)行二值的分類(lèi)獲得單尺度模糊圖。
4.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的高精度圖像模糊檢測(cè)方法，其特征在于：所述第四卷積層和所述第五卷積層為整體連通層。
5.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的高精度圖像模糊檢測(cè)方法，其特征在于：所述第一卷積層提取低價(jià)的特征為提取角和邊連接的信息。
6.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的高精度圖像模糊檢測(cè)方法，其特征在于：所述第二卷積層提取中價(jià)的特征為復(fù)雜的紋理和樣式。
7.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的高精度圖像模糊檢測(cè)方法，其特征在于：所述第三卷積層提取高價(jià)特征為語(yǔ)義信息。