基于多尺度卷积和超分辨率分频模型图像去模糊算法研究
由于盲去模糊任务中存在模糊信息和内容信息的纠缠,因此从模糊图像中直接恢复尖锐的潜图像具有很大的挑战性.考虑到在高维特征图中,模糊信息主要存在于低频区域,而内容信息存在于高频区域.该文研究一种从频率的角度实现解纠缠的编解码器模型,并将其命名为频率解纠缠蒸馏图像去模糊网络(FDDN).首先,对传统的蒸馏块进行了改进,将频率分割块(FSB)嵌入到蒸馏块中,以分离出低频和高频区域.其次,改进后的蒸馏块称为频率蒸馏块(FDB),可以递归地提取低频特征,将模糊信息从内容信息中分离出来,从而提高恢复后的图像质量.此外,为了降低网络的复杂度,保证特征图的高维性,将频率蒸馏块(FDB)放置在编码的终端.
去模糊、超分辨率、分频
18
TP3(计算技术、计算机技术)
湖南省教育厅科学研究项目21C1366
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共3页
79-81