典型文献
基于聚集残差生成对抗网络的图像去模糊
文献摘要：
针对现有图像去模糊算法存在的处理模糊种类单一、耗时长等问题,提出了一种基于聚集残差生成对抗网络的图像去模糊算法.首先,利用生成对抗网络,生成重建图像判别标签,使最后生成的图像更加接近清晰图像;其次,结合聚集残差网络与通道注意力模块,构成特征提取模块,提取中间层的有用特征信息;最后,采用WGAN的Wasserstein-1距离与感知损失结合作为损失函数训练模型,保证生成图像与清晰图像在内容上的一致性.在PyTorch环境下用GOPRO数据集和Kohler数据集测试所提算法,并与L0范数先验、暗通道先验、特异性去模糊、DeepDeblur,DeblurGAN等算法进行对比.实验结果表明,所提算法应用于复原运动模糊图像和高斯模糊图像时,峰值信噪比等评价指标均高于其他算法,并且耗时更短.
文献关键词：
图像去模糊;聚集残差;通道注意力;生成对抗网络
中图分类号：
作者姓名：
金燕;黄梦佳;姜智伟
作者机构：
浙江工业大学信息工程学院 杭州 310023
文献出处：
引用格式：
[1]金燕;黄梦佳;姜智伟-.基于聚集残差生成对抗网络的图像去模糊)[J].计算机辅助设计与图形学学报,2022(01):84-93
A类：
聚集残差,DeepDeblur
B类：
差生,生成对抗网络,图像去模糊,模糊算法,重建图像,残差网络,通道注意力模块,构成特征,取模,中间层,特征信息,WGAN,Wasserstein,感知损失,损失函数,训练模型,成图,PyTorch,GOPRO,Kohler,L0,范数,暗通道先验,DeblurGAN,算法应用,复原,运动模糊图像,高斯模糊,峰值信噪比
AB值：
0.30818
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
