| 双分支特征提取与循环细化的动态场景去模糊 |
| |
| 引用本文： | 陈清江,王巧莹.双分支特征提取与循环细化的动态场景去模糊[J].光电子．激光,2024,35(6):580-587. |
| |
| 作者姓名： | 陈清江 王巧莹 |
| |
| 作者单位： | （西安建筑科技大学 理学院，陕西 西安710055）,（西安建筑科技大学 理学院，陕西 西安710055） |
| |
| 基金项目： | 国家自然科学基金(61902304)、陕西省自然科学基础研究计划(2021JQ-495)和陕西省自然科学基金(2019JQ-755)资助项目 |
| |
| 摘 要： | 针对现有的动态场景图像去模糊方法存在的特征提取不准确、未充分利用有效特征的问题，本文提出了一种基于双分支特征提取与循环细化的动态场景图像去模糊网络。整个网络包括特征提取网络、循环细化网络(cyclic refinement network, CRN)、图像重建(image reconstruction, IR)3部分。其中，特征提取网络包括模糊图像细节和轮廓特征(contour feature, CF)的提取，以残差单元作为特征提取网络的基本单元；循环细化网络通过交替融合轮廓特征和细节特征(detail feature, DF)来细化特征图，得到模糊图像的细化特征(refinement feature, RF);最后，在图像重建阶段，复用轮廓和细节特征，结合残差学习策略将轮廓特征、细节特征和细化后的特征逐级融合后通过非线性映射的方式重建清晰图像。在广泛使用的动态场景模糊数据集GOPRO上的实验结果表明，该方法的平均峰值信噪比(peak signal to noise ratio,PSNR)达到31.86,平均结构相似度(structure similarity,SSIM)达到0.947...
|
| 关 键 词： | 卷积神经网络 图像去模糊 双分支特征提取 残差网络 |
| 收稿时间： | 2022/11/6 0:00:00 |
| 修稿时间： | 2023/1/30 0:00:00 |
Dynamic scene deblurring with two-branch feature extraction and cyclic refinement |
| |
| CHEN Qingjiang and WANG Qiaoying.Dynamic scene deblurring with two-branch feature extraction and cyclic refinement[J].Journal of Optoelectronics·laser,2024,35(6):580-587. |
| |
| Authors: | CHEN Qingjiang and WANG Qiaoying |
| |
| Abstract: | |
| |
| Keywords: | convolutional neural network image deblurring two-branch feature extraction residual network |
|
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
| 点击此处可从《光电子．激光》下载免费的PDF全文 |
