典型文献
一种基于U-Net的图像去模糊方法
文献摘要：
针对现有深度学习的图像去模糊方法存在网络接受域小、制约去模糊效果的问题,提出了一种改进的U-Net(U形卷积神经网络)模型,该模型使用深度可分离卷积实现标准卷积操作,以减少模型计算和参数.模型中嵌入小波变换,分离图像的上下文和纹理信息,降低模型训练的难度.设计的密集多接受域通道模块可以提取图像细节信息,从而提高小波重构图像的质量.实验表明,该方法在峰值信噪比(PSNR)和结构相似性(SSIM)方面具有较好的性能,模型参数较少,图像恢复时间较短.
文献关键词：
深度可分离卷积;U-Net模型;密集多接受域通道模块;小波变换
中图分类号：
作者姓名：
张乾俊;廉佐政;赵红艳
作者机构：
齐齐哈尔大学 计算机与控制工程学院,黑龙江 齐齐哈尔 161006
文献出处：
引用格式：
[1]张乾俊;廉佐政;赵红艳-.一种基于U-Net的图像去模糊方法)[J].高师理科学刊,2022(05):47-51
A类：
密集多接受域通道模块
B类：
Net,图像去模糊,有深度,模型使用,使用深度,深度可分离卷积,标准卷积,卷积操作,小波变换,上下文,文和,纹理信息,模型训练,细节信息,高小,小波重构,重构图像,峰值信噪比,PSNR,结构相似性,SSIM,图像恢复,恢复时间
AB值：
0.369887
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。
