多尺度卷积神经网络的噪声模糊图像盲复原

摘要：

图像盲复原是从一幅观测的模糊图像恢复出模糊核和清晰图像,传统盲去卷积算法采用简化模型估计模糊核,导致预测模糊核与真实值误差较大,最终复原结果不理想.针对此问题提出一种基于改进残差模块的多尺度卷积神经网络模型,采用端到端模式,无需估计模糊核.提出了一种基于限制网络输入的改进Wasserstein GAN (WGAN),增加了一层输入限制层,能够限定参数初始值,提高了网络收敛速度.设计了多重损失函数,融合了基于多尺度网络的感知损失和基于条件式生成对抗网络的对抗损失.实验结果表明:所提方法在定量和定性评价指标上优于已有的代表性方法,并且运行速度比相近算法快了4 倍.

关键词：多尺度卷积神经网络、多重损失函数、生成式对抗网络、噪声模糊图像

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：装备预研项目61400010102

在线出版日期：2019-06-13（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：292-300