發(fā)布時(shí)間：2024-02-01 17:03

　　圖像作為一種重要的信息載體,包含了豐富的信息,成為人們記錄生活、交流情感的主要方式。運(yùn)動圖像去模糊作為圖像復(fù)原技術(shù)的一種,應(yīng)用價(jià)值正在不斷增加。隨著人工智能時(shí)代的來臨,深度學(xué)習(xí)在圖像領(lǐng)域發(fā)揮著重要作用,生成對抗網(wǎng)絡(luò)GAN作為一個優(yōu)秀的生成模型,廣泛應(yīng)用于圖像生成、修復(fù)、分類、風(fēng)格遷移等領(lǐng)域。圖像去模糊歷來是圖像處理領(lǐng)域的研究熱點(diǎn),如何改善網(wǎng)絡(luò)性能,加快訓(xùn)練速度,提升圖像質(zhì)量都成為了備受關(guān)注的焦點(diǎn)問題。為了使模型能用于真實(shí)場景中并進(jìn)一步提高生成圖像的質(zhì)量,本文以生成對抗網(wǎng)絡(luò)為基礎(chǔ),有針對性地進(jìn)行了改進(jìn)和優(yōu)化,提出了解決去模糊問題的一種新思路。本文算法模型優(yōu)勢主要有以下幾點(diǎn):1.使用真實(shí)拍攝的圖片作為訓(xùn)練集,無論在成對和非成對的數(shù)據(jù)集下都能進(jìn)行訓(xùn)練,因此在真實(shí)場景下具有更強(qiáng)的泛化能力。2.運(yùn)用圖像翻譯的方法,采用兩個“對偶形式”的條件生成對抗網(wǎng)絡(luò),將圖像去模糊問題轉(zhuǎn)化為模糊域和清晰域之間相互轉(zhuǎn)換的問題。3.模型設(shè)計(jì)中采用全局殘差連接,以WGAN作為判別器,分別用ResNext、ResNetv2替代ResNet殘差網(wǎng)絡(luò)模塊,加入SFTGAN超分辨率重建結(jié)構(gòu)提升圖像邊緣、紋理效果,最終還原出清...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.10常規(guī)CNN網(wǎng)絡(luò)分類準(zhǔn)確率隨網(wǎng)絡(luò)層數(shù)的變化

緄?深度對模型的性能有著非常重要的作用，網(wǎng)絡(luò)層數(shù)越深，就能夠進(jìn)行更為復(fù)雜的特征模式提取，所以按理說當(dāng)模型更深時(shí)結(jié)果自然會更出色，大量的實(shí)驗(yàn)均可以印證這一點(diǎn)。但是，更深的網(wǎng)絡(luò)其性能一定會更好嗎？為什么有些時(shí)候CNN網(wǎng)絡(luò)層數(shù)增加分類的準(zhǔn)確率反倒下降了呢？是因?yàn)槟Ｐ蛥��?shù)過多表達(dá)能力太強(qiáng)....

圖3.13加噪GoPro數(shù)

基于生成對抗網(wǎng)絡(luò)的圖像去運(yùn)動模糊算法研究46（c）MPRNet(PSNR=32.10)（d）DRSN-GAN(PSNR=32.15)圖3.13加噪GoPro數(shù)據(jù)集的去模糊效果Fig.3.13DeblurringeffectofGoProdatasetwithnoise（a）清晰圖....

圖3.14加噪Khler數(shù)

基于生成對抗網(wǎng)絡(luò)的圖像去運(yùn)動模糊算法研究46（c）MPRNet(PSNR=32.10)（d）DRSN-GAN(PSNR=32.15)圖3.13加噪GoPro數(shù)據(jù)集的去模糊效果Fig.3.13DeblurringeffectofGoProdatasetwithnoise（a）清晰圖....

圖4.6GoPro測試集結(jié)果

基于生成對抗網(wǎng)絡(luò)的圖像去運(yùn)動模糊算法研究544.4.2主觀對比評價(jià)為了綜合評估算法的優(yōu)劣，下面將從主觀的角度分析各種算法的優(yōu)劣。圖4.6、4.7、4.8分別是各個算法在GoPro、Khler、Lai三個數(shù)據(jù)集上的可視化結(jié)果。一張圖像分別篩選了兩個位置進(jìn)行放大顯示，以便能夠更加清楚....

本文編號：3892469