10.16508/j.cnki.11-5866/n.2021.03.008
基于深度自编码网络的图像去模糊
对于相机抖动、场景深度变化、目标位置变化等因素引起的图像运动模糊,传统去模糊算法往往受限于模糊核的各种约束或正则化,且优化时间长.针对这一问题,提出了一种基于深度学习的图像去模糊方法.将深度自编码器网络应用到图像去模糊领域,结合多尺度卷积神经网络构建生成器网络模型,采用生成对抗网络建立框架去除图像运动模糊.实验结果表明,与其他去模糊算法相比,该算法在获得更清晰图像的同时也缩短了复原时间,在GOPRO数据集上,峰值信噪比(PSNR)和结构相似度(SSIM)更高,而且使用该方法去除运动模糊后的图像较为清晰,保留了更多图像边缘结构,对模糊图像有着更强的复原能力.
图像去模糊;深度自编码器网络;卷积神经网络;生成对抗网络;运动模糊
36
TP391.04(计算技术、计算机技术)
国家自然科学基金青年基金62001035
2021-08-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
45-52