基于多流注意对抗网络的动态场景模糊图像盲复原方法.pdf
邻家****66
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于多流注意对抗网络的动态场景模糊图像盲复原方法.pdf
本发明提出一种基于多流注意力生成对抗网络的动态场景模糊盲复原方法。本发明首先设计了一种注意力引导模块,利用该模块生成具有在特征提取和去模糊过程中具有引导作用的注意力引导图,该引导图能够更多的关注模糊程度严重的区域或目标及其周围复杂的结构。另外,针对复杂的动态场景模糊信息,提出多流多尺度特征提取策略用于提取的复杂特征,并且设计一个多尺度残差块提取动态场景模糊图像的多尺度特征,捕获不同类型的模糊信息和更多纹理细节。最后,提出利用多尺度融合策略来获取更好的特征,并设计一个可学习的门结构来自适应融合来自不同流的多
一种基于生成对抗网络端到端的模糊图像盲复原方法.pdf
基于生成对抗网络端到端的模糊图像盲复原方法,该方法包括:1)建立样本数据集;2)建立端到端图像配对模型:对数据集中的原始图像进行模糊化处理,建立模糊图像到原始图像的图像配对模型;3)生成对抗网络的对抗训练:模糊图像作为生成器输入数据,生成器学习原始图像的样本分布,生成图像,判别器将生成图像与原始图像的差异反馈给生成器,提高生成图像的质量;生成器和判别器进行反复对抗训练,得到最优模糊图像复原的网络模型;4)图像复原。本发明采用生成对抗网络端对端的训练模型,将模糊图像和原始图像配对处理,通过训练模型进行训练,
基于稀疏表示的模糊图像盲复原方法.pdf
本发明涉及一种基于稀疏表示的模糊图像盲复原方法,用于解决现有的模糊图像盲复原方法复原的图像效果差的技术问题。技术方案是利用模糊图像在模糊冗余字典下的稀疏系数与清晰图像在清晰冗余字典下的稀疏系数一致的特性,将模糊图像在模糊字典下稀疏表示,然后在清晰字典下重构出清晰图像下复原图像。避免了反卷积过程中的病态性,减少了复原图像在强边缘的振铃效应,获得了更加清晰的图像。
基于循环多尺度生成对抗网络的图像盲去运动模糊方法.pdf
本发明公开了一种基于循环多尺度生成对抗网络的图像盲去运动模糊方法。本发明方法以循环多尺度编码器和解码器作为生成器,并构建了相应的判决器。以生成图像和清晰图像的对抗性损失、多尺度均方误差和多尺度梯度误差作为生成对抗网络的损失函数,以梯度下降法优化损失函数。本发明运用生成对抗网络学习运动模糊图像与其对应清晰图像之间的关系,省去了复杂的模糊核估计过程。本发明方法可以提取图像的边缘特征,具有更简单的网络结构、更少的参数,并且该网络模型更容易训练,且复原效果较好。
基于多尺度自相似的运动模糊图像盲复原方法.pdf
本发明公开了一种基于多尺度自相似的运动模糊图像盲复原方法,用于解决现有图像盲复原方法复原图像效果差的技术问题。技术方案是将图像多尺度自相似特性作为先验信息引入到图像复原问题中,将上一尺度估计的清晰图像作为下一尺度的先验约束,进行图像复原,减少了复原图像在强边缘的振铃效应,能够获得更加清晰的图像。提高了复原图像的效果。