融合注意力机制的多尺度深度网络的逆半调方法

摘要：

目的 运用现有的逆半调方法恢复的图像存在着半色调网纹去除不够理想、图像细节恢复不够清晰等问题,为了进一步提高逆半调图像在平滑区域和纹理细节方面的质量,提出一种基于融合注意力机制的多尺度卷积神经网络的逆半调方法.方法 首先,根据半色调图像网点噪声多频分布特点,设计多尺度卷积网络为基础结构的深度学习网络,从多个不同的尺度抑制半色调网纹并恢复不同尺度的图像信息;然后,应用注意力机制重建图像信息,从而生成逆半调图像;最后,提出多任务损失函数加速网络优化,更好地实现逆半调.结果 实验结果表明,运用此方法得到的逆半调图像在视觉上与原始图像更为相近,恢复出的图像细节更好;在客观评价方面,通过与现有的最先进的方法相比,峰值信噪比平均值提高了0.562?10.095 dB,结构相似度平均值提高了0.01?0.171.结论 该方法可以实现半色调图像的高质量恢复.

关键词：半色调图像、多尺度深度网络、注意力机制、逆半调方法

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省自然科学基金;运城学院应用研究项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：283-291