基于多尺度循环残差神经网络的图像去运动模糊
Motion deblurring based on multi-scale recurrent residual network作者机构:成都信息工程大学计算机学院四川成都610225 成都信息工程大学控制工程学院四川成都610225
出 版 物:《计算机工程与设计》 (Computer Engineering and Design)
年 卷 期:2022年第43卷第3期
页 面:786-793页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:四川省科技厅重点基金项目(2017GZ0331) 四川省教育厅重点基金项目(13ZA0083)
主 题: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
摘 要: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。