基于生成式对抗网络的运动模糊图像复原研究

发布时间：2023-11-18 12:43

　　运动模糊是最常见的模糊类型之一。在拍摄过程中,如果摄像机和物体发生相对运动并且此时摄像机快门较慢时,就会造成运动模糊。运动模糊会影响图像观感,并且会造成图像信息丢失从而对后续诸多算法造成精度下降等影响。由于运动模糊的广泛存在以及目前模糊复原算法仍然无法很好地复原图像,如何从严重模糊的图像中复原得到清晰图像仍然是图像处理领域一个热门研究方向。近几年利用深度学习算法进行模糊图像复原的研究也取得了一些成果。本文开展了基于生成式对抗网络的运动模糊图像复原的研究,主要研究内容包括:(1)论述了传统模糊图像修复算法以及基于深度学习的模糊图像复原算法的发展进程和存在问题,详细描述了深度学习以及基于生成式对抗网络的运动模糊图像复原算法的原理。(2)提出了基于增强型生成式对抗网络的运动模糊图像复原算法。利用缩放卷积(resize convoluation)替代反卷积作为图像上采样策略,有效地消除了过去基于卷积神经网络进行运动模糊图像复原的方法中由于反卷积不均匀重叠而造成的棋盘效应问题;利用压缩激励网络可以提取特征通道权重的特性,将压缩激励网络与残差网络结合为压缩激励残差网络模块(SE-ResBlock)...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
    1.3 运动模糊图像复原的难点及挑战
    1.4 主要工作与章节安排
第2章 生成式对抗网络的运动模糊图像复原原理
    2.1 引言
    2.2 模糊图像的模拟成像原理
    2.3 模糊图像的分类
        2.3.1 运动模糊
        2.3.2 散焦模糊
        2.3.3 高斯模糊
    2.4 生成式对抗网络及其应用
        2.4.1 神经网络
        2.4.2 卷积神经网络
        2.4.3 生成式对抗网络
    2.5 本章小结
第3章 基于增强型生成式对抗网络的运动模糊图像复原算法
    3.1 引言
    3.2 生成器优化策略
        3.2.1 棋盘效应及其解决方案
        3.2.2 压缩激励残差模块
    3.3 损失函数设计
        3.3.1 对抗损失
        3.3.2 感知损失
        3.3.3 梯度损失
        3.3.4 判别器损失函数
    3.4 增强型生成式对抗网络
        3.4.1 生成器
        3.4.2 判别器
    3.5 仿真实验及其分析
        3.5.1 实验设置
        3.5.2 评测指标
        3.5.3 数据集及实验测试
    3.6 本章小结
第4章 基于多帧图像与三维变形卷积的运动模糊视频复原算法
    4.1 引言
    4.2 运动模糊视频图像复原原理
    4.3 三维变形卷积
    4.4 模型加速
        4.4.1 深度网络模型加速与压缩技术
        4.4.2 轻量化网络结构设计
    4.5 仿真实验及其分析
        4.5.1 GOPRO测试集复原效果对比
        4.5.2 Deep Video Deblurring测试集复原效果对比
        4.5.3 模型加速效果对比
        4.5.4 模型小型化效果对比
    4.6 本章小结
第5章 总结与展望
    5.1 总结
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：3865308