Indexed by：
Abstract：
动态场景的非均匀盲去模糊一直是图像复原领域中的一个难题.针对目前的模糊图像复原算法不能很好地解决多样性模糊源的问题,提出了一种端到端的基于多尺度网络的运动模糊图像复原算法.所提算法使用修剪过的残差块作为基本单元,且在每一级尺度上都采用相同的非对称编解码网络.为了更好地提取输入图像特征,在编码端使用引入注意力机制的残差模块,还加入了空间金字塔池化层.编码端和解码端中间的循环单元可以获取图像的空间信息,从而利用图像空间的连续性来进行非均匀运动模糊图像的复原.测试结果显示,在GoPro数据集上所提算法的峰值信噪比(PSNR)达到33.69 dB,结构相似性(SSIM)达到0.9537,且能够更好地复原模糊图像的细节信息,而在Blur数据集上所提算法的PSNR为31.47 dB,SSIM为0.9047.实验结果表明,与尺度递归网络和深度层次化多patch网络相比,所提算法取得了更优的模糊图像复原效果.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机应用
ISSN： 1001-9081
Year： 2022
Issue： 9
Volume： 42
Page： 2838-2844
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
