基于条件生成对抗网络的图像盲去模糊技术及应用研究

发布时间：2021-01-15 05:15

　　图像去模糊是计算机视觉领域的一个研究热点。在现实生活中模糊图像模糊核基本都是未知的,充分挖掘和利用图像先验知识成为解决盲去模糊的关键,现有的盲去模糊方法大都基于正则化或假设去估计未知模糊核。但由此会带来昂贵的计算成本、产生棋盘伪影现象、缺乏良好模型泛化能力、图像细节和纹理信息恢复不佳等多个问题。基于条件生成对抗网络,提出了图像盲去模糊的方法解决了上述问题,并在移动端实现,主要工作概况如下。（1）针对现有图像盲去模糊模型存在的问题,本文采用卷积神经网络作为生成器和鉴别器网络基本架构,通过两者对抗学习解决了大量计算成本问题,使用上采样与卷积相结合避免了生成图像的棋盘伪影现象,采用实例正则化寻找两张图像像素之间的差异,能极大程度上恢复模糊图像中细节和纹理信息。整个模型使用Go-Pro数据集,实验结果表明在评价指标峰值信噪比、结构相似度测量和运行时间三个方面综合优于现有方法,并能够使街景图像恢复清晰。（2）针对模型移植问题,本文将预训练模型固化到移动端解决了客户端-服务器模式浪费流量和网络连接带来的问题。最终效果表明能很好处理移动端拍摄的模糊图像。 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图１－１去模糊图片示例??图像去模糊有着广泛的应用场景

从公式２．６可以得出暗通道图像的生成过程，首先从ＲＧＢ三个颜色通??道中选择最小的颜色通道图像，然后在以５〇ｃ）为区域的窗口大小通过最小滤波的??方式得到所需暗通道图像，如图２－１所示。??在彩色图像中，所谓的暗通道是指从三个通道中亮度最低的那个像素。这个像??素是来自于ＲＧＢ这三个通道。而与彩色图像不同的是，当在上式中输入／〇；）是灰??色图像时，暗通道仅仅来自于一个通道中亮度最低的那个像素，表示为。??（２＿７）??１０??

充图像的边界需要满足质数，这里的质数需要满足ＡＪ＋ｍ－１，其中《和ｍ分别表示??输入图像的宽度和模糊核的个数，填充图像的高度也是类似的。因此快速傅立叶变??换（ｆａｓｔ?ｆｏｕｒｉｅｒ?ｔｒａｎｓｆｏｒｍ，ＦＦＴ）算法１１６娥能快速计算图像的尺寸，处理后效果如图２－??２所示。??２．２空间变化去模糊??与空间不变去模糊相比，空间变化去模糊采用非均匀模糊。现有的盲反卷积研??１２??


本文编号：2978300