圖像作為信息的重要載體之一,包含了豐富的信息。然而在圖像獲取、處理、傳輸或者保存的過程中,可能會存在著拍攝設(shè)備的抖動(dòng)或者其他不可控制因素的影響,導(dǎo)致圖像存在不同程度的退化現(xiàn)象,如模糊、噪聲等,給后續(xù)的圖像處理或應(yīng)用帶來麻煩。因此,如何根據(jù)模糊圖像重建出清晰圖像成為了圖像處理領(lǐng)域一個(gè)熱門研究方向。為此,本文利用生成對抗網(wǎng)絡(luò)圍繞圖像去模糊問題展開研究,主要工作包括:（1）當(dāng)前生成對抗網(wǎng)絡(luò)大多是通過卷積神經(jīng)網(wǎng)絡(luò)來構(gòu)建生成器的,但是由于卷積操作是在空間上的局部操作,無法高效地捕獲長范圍特征之間的相關(guān)性,從而導(dǎo)致在生成具有復(fù)雜幾何結(jié)構(gòu)物體的圖像時(shí)效果不盡如人意。針對這個(gè)問題,提出一種基于注意力機(jī)制生成對抗網(wǎng)絡(luò)的圖像去模糊模型。首先,基于非局部操作引入空間注意力機(jī)制,在計(jì)算特征圖每個(gè)位置的輸出時(shí),不再只和局部鄰域像素做計(jì)算,而是取其所有位置的加權(quán)平均值作為輸出位置的響應(yīng);其次,通過softmax操作進(jìn)一步突出重要位置的權(quán)重,完成空間注意力的操作;然后,考慮特征圖通道維度之間的相關(guān)性,引入通道注意力機(jī)制,通過全局池化操作學(xué)習(xí)出每個(gè)通道的權(quán)重,從而產(chǎn)生通道域的注意力;最后,將空間注意力和通道注意力機(jī)制... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

空間注意力圖

個(gè)通道對任務(wù)更有利，哪個(gè)通道對任務(wù)影響更小，這無疑缺少處理不同類型信息的靈活度。圖像去模糊任務(wù)在保持圖像內(nèi)容一致的前提下，盡可能多地恢復(fù)高頻信息，如紋理細(xì)節(jié)等，而低分辨率圖像或特征圖往往包含著許多低頻信息，如圖像的輪廓，因此如果簡單地認(rèn)為特征圖的所有通道同等重要，會使網(wǎng)絡(luò)缺乏辨別學(xué)習(xí)的能力。因此，有必要區(qū)別對待特征圖的每個(gè)通道，也就是說每個(gè)通道應(yīng)該都有一個(gè)權(quán)重系數(shù)來表征其重要程度，然后用這個(gè)權(quán)重乘以原來的通道，得到新的特征圖�；谏厦娴姆治�，在殘差模塊的基礎(chǔ)上引入通道注意力機(jī)制，如圖3-3所示，通過對特征圖通道之間的依賴關(guān)系進(jìn)行建模，能夠使網(wǎng)絡(luò)根據(jù)任務(wù)自適應(yīng)地縮放每個(gè)通道的特征。┼sigmoid輸出特征圖最大池化平均池化共享權(quán)重輸入特征圖圖3-3通道注意力圖Figure3-3Diagramofchannelattention

個(gè)通道對任務(wù)更有利，哪個(gè)通道對任務(wù)影響更小，這無疑缺少處理不同類型信息的靈活度。圖像去模糊任務(wù)在保持圖像內(nèi)容一致的前提下，盡可能多地恢復(fù)高頻信息，如紋理細(xì)節(jié)等，而低分辨率圖像或特征圖往往包含著許多低頻信息，如圖像的輪廓，因此如果簡單地認(rèn)為特征圖的所有通道同等重要，會使網(wǎng)絡(luò)缺乏辨別學(xué)習(xí)的能力。因此，有必要區(qū)別對待特征圖的每個(gè)通道，也就是說每個(gè)通道應(yīng)該都有一個(gè)權(quán)重系數(shù)來表征其重要程度，然后用這個(gè)權(quán)重乘以原來的通道，得到新的特征圖�；谏厦娴姆治�，在殘差模塊的基礎(chǔ)上引入通道注意力機(jī)制，如圖3-3所示，通過對特征圖通道之間的依賴關(guān)系進(jìn)行建模，能夠使網(wǎng)絡(luò)根據(jù)任務(wù)自適應(yīng)地縮放每個(gè)通道的特征。┼sigmoid輸出特征圖最大池化平均池化共享權(quán)重輸入特征圖圖3-3通道注意力圖Figure3-3Diagramofchannelattention

【參考文獻(xiàn)】：
期刊論文
[1]運(yùn)動(dòng)模糊圖像經(jīng)典復(fù)原算法[J]. 季亞男,劉光遠(yuǎn),陳通,李劍峰.  西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(08)
[2]一種改進(jìn)的圖像迭代盲反卷積算法[J]. 李艷琴,張立毅,孫云山,劉淑聰.  計(jì)算機(jī)工程. 2012(08)
[3]基于Richardson-Lucy的圖像去模糊新算法[J]. 趙博,張文生,丁歡.  計(jì)算機(jī)工程與應(yīng)用. 2011(34)
[4](■,F)-數(shù)據(jù)離散矩形區(qū)域在數(shù)據(jù)辨識中的應(yīng)用[J]. 李豫穎,林宏康.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2011(03)
[5]基于優(yōu)化步長和梯度法的置信規(guī)則庫參數(shù)學(xué)習(xí)方法[J]. 常瑞,張速.  華北水利水電學(xué)院學(xué)報(bào). 2011(01)
[6]運(yùn)動(dòng)模糊圖像的維納濾波復(fù)原研究[J]. 周玉,彭召意.  計(jì)算機(jī)工程與應(yīng)用. 2009(19)
[7]一種改進(jìn)的模糊核聚類算法[J]. 薛耿劍,王毅,趙海濤,魏夢琦,郝重陽.  中國醫(yī)學(xué)影像技術(shù). 2005(10)

博士論文
[1]圖像盲復(fù)原與改善空間分辨率研究[D]. 李盛陽.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2006

碩士論文
[1]一種用于圖像復(fù)原的多約束迭代算法[D]. 劉倩.天津大學(xué) 2014
[2]圖像盲超分辨率重建和人臉幻想技術(shù)[D]. 王曉玲.山東大學(xué) 2009



本文編號：2960439