-
公开(公告)号：CN114841897B
公开(公告)日：2024-03-15
申请号：CN202210648028.0
申请日：2022-06-08
Applicant: 西北工业大学
IPC: G06T5/73 , G06T5/50 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于自适应模糊核估计的深度去模糊方法，使用公共GoPro数据集上进行训练和评估，采用UNet结构设计深度卷积神经网络，训练深度卷积神经网络后，基于训练所得深度卷积神经网络来进行图像去模糊。本发明增强编码器捕获的相应浅层特征的表达，并细化了浅层特征，并促使它们更加注意模糊区域，扩大了感受野并向网络提供丰富的多尺度信息，无需额外的约束信息和显式估计就可以学习模糊输入图像每个像素位置的模糊核，以具备非均匀模糊的处理能力和更好的泛化能力，将网络输出的模糊核映射与融合映射与原始图像进行融合即可以得到最终的清晰图像，通过学习的方式学习融合图的权重，使得复原得到的图像更加真实，鲁棒性更强。
-
公开(公告)号：CN114913095B
公开(公告)日：2024-03-12
申请号：CN202210648027.6
申请日：2022-06-08
Applicant: 西北工业大学
IPC: G06T5/73 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于域适应的深度去模糊方法，结合一种基于密集残差块的图像去模糊模块和一种基于生成对抗网络的域转换模块，从真实及合成动态场景下模糊图像间域差异出发，在不增加内容对齐的图像对的前提下，提升图像去模糊网络在真实动态场景模糊图像上的适应能力，构建训练基于域适应的深度动态场景去模糊网络。本发明解决了深度图像去模糊方法在动态场景模糊图像上适应能力差的技术难题，在公开的GoPro数据集上的测试指标优于同类型的其他算法，提升了现有方法对动态场景下图像去模糊适应能力差的问题，对去模糊问题关心的图像边缘提取能力适应性更强，对各卷积层提取出的特征利用更充分，对残差连接获得的特征保留更完整。
-
公开(公告)号：CN114913095A
公开(公告)日：2022-08-16
申请号：CN202210648027.6
申请日：2022-06-08
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于域适应的深度去模糊方法，结合一种基于密集残差块的图像去模糊模块和一种基于生成对抗网络的域转换模块，从真实及合成动态场景下模糊图像间域差异出发，在不增加内容对齐的图像对的前提下，提升图像去模糊网络在真实动态场景模糊图像上的适应能力，构建训练基于域适应的深度动态场景去模糊网络。本发明解决了深度图像去模糊方法在动态场景模糊图像上适应能力差的技术难题，在公开的GoPro数据集上的测试指标优于同类型的其他算法，提升了现有方法对动态场景下图像去模糊适应能力差的问题，对去模糊问题关心的图像边缘提取能力适应性更强，对各卷积层提取出的特征利用更充分，对残差连接获得的特征保留更完整。
-
公开(公告)号：CN114841897A
公开(公告)日：2022-08-02
申请号：CN202210648028.0
申请日：2022-06-08
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于自适应模糊核估计的深度去模糊方法，使用公共GoPro数据集上进行训练和评估，采用UNet结构设计深度卷积神经网络，训练深度卷积神经网络后，基于训练所得深度卷积神经网络来进行图像去模糊。本发明增强编码器捕获的相应浅层特征的表达，并细化了浅层特征，并促使它们更加注意模糊区域，扩大了感受野并向网络提供丰富的多尺度信息，无需额外的约束信息和显式估计就可以学习模糊输入图像每个像素位置的模糊核，以具备非均匀模糊的处理能力和更好的泛化能力，将网络输出的模糊核映射与融合映射与原始图像进行融合即可以得到最终的清晰图像，通过学习的方式学习融合图的权重，使得复原得到的图像更加真实，鲁棒性更强。
-
-
-
Search Results
4
records
(took 0.016 seconds)
