10.16208/j.issn1000-7024.2022.03.026
基于多尺度循环残差神经网络的图像去运动模糊
现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型.在SRN基础上,为平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行多损失融合改进;在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使网络参数更少更容易训练,更好地拟合图片的特征信息.实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果.
运动模糊;视觉感知;多损失融合;编码器-解码器;小卷积核堆叠
43
TP391(计算技术、计算机技术)
四川省科技厅重点基金项目;四川省教育厅重点基金项目
2022-03-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
786-793