基于改进DeblurGAN-v2的运动模糊农作物害虫图像复原方法
Image restoration of crop pests with motion blur based on im-proved DeblurGAN-v2作者机构：天津理工大学电气工程与自动化学院天津市复杂系统控制理论与应用重点实验室
出 版 物：《光电子·激光》 (Journal of Optoelectronics·Laser)
年 卷 期：2025年第36卷第1期
页 面：46-52页
学科分类：08[工学] 080203[工学-机械设计及理论] 09[农学] 0904[农学-植物保护] 0802[工学-机械工程] 090402[农学-农业昆虫与害虫防治]
基 金：天津市科技支撑计划项目(19YFZCSN00360)资助项目
主 题：运动模糊 深度学习 图像复原 DeblurGAN-v2 通道注意力(CA)机制 空间金字塔池化(SPP)模块
摘 要：为对巡检机器人在巡检过程中产生的运动模糊图像进行高效精准识别，提出了一种基于改进DeblurGAN-v2的运动模糊农作物害虫图像复原方法。为有效提取图像重要特征，该方法将通道注意力(channel attention, CA)机制集成到DeblurGAN-v2主干网格中，使模型更加关注细节特征，提高对运动模糊图像的复原能力；此外，在原模型特征提取网络顶层引入空间金字塔池化(spatial pryamid pooling, SPP)缓解图像多尺度变化造成对图像复原的负面影响，提高模型对图像复原的性能。基于实际农田环境建立的数据集所做的实验结果表明，改进后算法的PSNR、SSIM指标分别为26.281 8 dB、0.947 3,较原模型提升了8、7.2个百分点。与其他主流模型的对比实验结果表明，本文方法对模糊图像的实际复原效果更优，对解决运动模糊农作物害虫的图像复原问题具有实际应用价值。
同方期刊数据库