声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：44-1251/T
国际刊号：1000-565X
发布日期:
作者：孙季丰 朱雅婷 王恺
单位：华南理工大学 电子与信息学院，广东 广州 510640
关键词：去运动模糊,生成对抗网络,互信息,低秩分解,对称跳跃连接,互信息损失,梯度图像 L1 损失
基金：广东省科技计划项目 ( x2dxB216005)
为研究出一种快速且有效的图像去模糊方法，基于 DeblurGAN 提出一种利用 条件生成对抗网络实现的端到端图像去运动模糊方法。该方法将 DeblurGAN 的标准卷 积层改成瓶颈结构，并对瓶颈结构中的卷积进行低秩分解，且添加两个残差对称跳跃连 接，以加速网络收敛。为解决 DeblurGAN 复原图像不够清晰这个问题，向网络损失函 数添加互信息损失和梯度图像 L1 损失，通过最大化输入图像和其隐含特征间的互信息， 使所提取的隐含特征能很好地表征输入信息，从而利用隐含特征还原出清晰图像，而 L1 损失有利于使复原图像的边缘更明显。同时，通过实验对该方法的有效性进行了验 证，并与其他已有的同类算法进行了比较。结果表明: 相比 DeblurGAN，文中方法峰值 信噪比更高，两者的结构相似性指标相当，且文中模型参数量压缩至 DeblurGAN 的 3. 25% ，去模糊速度提高 3 倍，模型性能优于已有的其他同类算法。
来源：2020年第1期
《华南理工大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。