10.3969/j.issn.1006-9348.2022.11.090
基于GAN的自适应残差密集网络图像去模糊方法
为解决由于物体运动或者相机抖动造成的图像模糊的问题,提出了一种基于GAN的自适应残差密集网络图像去模糊方法.将自适应残差密集网络作为生成器网络的核心部分,并利用残差密集块提升网络提取特征的能力.一方面,在对抗损失、内容损失等的约束下,通过生成器与判别器的对抗训练,可以生成细节纹理丰富的去模糊图像.另一方面,利用自适应残差密集块和跳跃连接进行差分学习,解决了梯度消失的问题,提高了网络结构对权值变化的敏感性,使得网络训练速度更快,模型收敛更好,生成的图像更清晰.通过与现有去模糊方法定性定量的比较,提出的方法在GOPRO数据集上去模糊效果更好,且结构相似度和峰值信噪比均优于对比方法.
运动去模糊、生成对抗网络、自适应残差密集网络、图像处理
39
TP317.4(计算技术、计算机技术)
国家重点研发计划2017YFC0804406
2023-01-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
457-462