發(fā)布時(shí)間：2023-10-02 07:32

　　圖像盲復(fù)原,即在點(diǎn)擴(kuò)散函數(shù)未知的情況下,從已知的質(zhì)量退化的圖像中恢復(fù)潛在的清晰圖像,屬于圖像去模糊的一個(gè)重要研究方向。目前,傳統(tǒng)的圖像盲復(fù)原算法需要進(jìn)行復(fù)雜的迭代計(jì)算過(guò)程,且恢復(fù)圖像質(zhì)量較低。為了提高圖像盲復(fù)原方法的性能,該文應(yīng)用多尺度卷積神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)該問(wèn)題展開(kāi)研究,具體研究?jī)?nèi)容如下:首先,該文從擴(kuò)大感受野的角度出發(fā),提出基于擴(kuò)張卷積的多尺度圖像去模糊方法。該方法設(shè)計(jì)了帶有不同擴(kuò)張因子的小卷積模塊,來(lái)增大感受野并提取不同尺度的特征信息。該網(wǎng)絡(luò)利用大量的訓(xùn)練數(shù)據(jù)學(xué)習(xí)模糊圖像到清晰圖像之間的映射。實(shí)驗(yàn)結(jié)果表明該方法獲得的結(jié)果具有更高的圖像清晰度。其次,為了進(jìn)一步提高性能,該文提出一種基于全變差(Total Variation,TV)損失的多尺度圖像去模糊方法,該方法利用初期殘差(Residual Inception Net,Inception-ResNet)模塊和殘差網(wǎng)絡(luò)構(gòu)建網(wǎng)絡(luò),利用梯度信息計(jì)算損失函數(shù)。網(wǎng)絡(luò)輸入具有三個(gè)尺度,損失函數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)均使用多尺度結(jié)構(gòu),以便更好地傳遞圖像信息。實(shí)驗(yàn)結(jié)果表明該方法可以明顯地提高圖像質(zhì)量。最后,為了獲得更逼真的細(xì)節(jié)信息,該文提出了基于生成對(duì)抗網(wǎng)絡(luò)的圖...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容及結(jié)構(gòu)組織安排
第2章 單幅圖像去模糊
    2.1 引言
    2.2 圖像去模糊數(shù)學(xué)模型及圖像質(zhì)量評(píng)判標(biāo)準(zhǔn)
    2.3 基于暗通道的圖像去模糊方法
    2.4 DeblurGAN方法
    2.5 Deep Multi-scale CNN方法
    2.6 本章小結(jié)
第3章 基于擴(kuò)張卷積的多尺度圖像去模糊方法
    3.1 引言
    3.2 擴(kuò)張卷積
    3.3 網(wǎng)絡(luò)結(jié)構(gòu)
    3.4 訓(xùn)練與測(cè)試
    3.5 實(shí)驗(yàn)結(jié)果
        3.5.1 與其他方法的對(duì)比實(shí)驗(yàn)
        3.5.2 DilBlock模塊中不同擴(kuò)張因子的影響
    3.6 本章小結(jié)
第4章 基于TV損失的多尺度圖像去模糊方法
    4.1 引言
    4.2 網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 總體結(jié)構(gòu)
        4.2.2 跳躍連接塊
        4.2.3 ResInception模塊
        4.2.4 殘差模塊
        4.2.5 損失函數(shù)
    4.3 訓(xùn)練與測(cè)試
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 與其他方法的對(duì)比實(shí)驗(yàn)
        4.4.2 TV損失函數(shù)和TV正則化的影響
        4.4.3 ResInception模塊的作用
    4.5 本章小結(jié)
第5章 基于生成對(duì)抗網(wǎng)絡(luò)的圖像去模糊方法
    5.1 引言
    5.2 生成對(duì)抗網(wǎng)絡(luò)
    5.3 生成器網(wǎng)絡(luò)結(jié)構(gòu)
        5.3.1 基于Inception的生成對(duì)抗網(wǎng)絡(luò)
        5.3.2 基于注意力機(jī)制的多尺度圖像去模糊方法
        5.3.3 基于UDBlock模塊的多尺度圖像去模糊方法
    5.4 判別器網(wǎng)絡(luò)結(jié)構(gòu)
    5.5 訓(xùn)練與測(cè)試
    5.6 實(shí)驗(yàn)結(jié)果
        5.6.1 GoPro數(shù)據(jù)集下性能對(duì)比
        5.6.2 Kohler數(shù)據(jù)集下性能對(duì)比
        5.6.3 真實(shí)模糊數(shù)據(jù)集下性能對(duì)比
        5.6.4 圖像分塊輸入對(duì)網(wǎng)絡(luò)的影響
    5.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝



本文編號(hào)：3850382