一种基于深度学习的图像盲去运动模糊算法

数字图像一直在信息的传递中扮演着重要的角色,但同时也存在着大量模糊图像的问题。无论是目标检测、自动驾驶还是人脸识别等计算机视觉任务都需要依托大量清晰的图像,因此将模糊图像重新变得清晰是一个急切且广泛的需求。针对因运动导致的图像模糊,本文工作设计一种新颖的基于深度学习的端到端的图像盲去运动模糊算法。算法通过结合监督式学习的思路,将对抗式生成网络模型进行结构改造,并通过针对性加入人脸先验信息设计的损失函数来引导网络学习图像对之间的差别,在恢复运动模糊图像方面取得显著的成果。

基于生成对抗网络的船舶图像去模糊算法

为消除智能船舶航行过程中视觉传感器所采集到的图像上出现的运动模糊对障碍物目标检测的影响,提出一种新的基于生成对抗网络的船舶图像去模糊方法.该方法在生成对抗网络的基础上构建了一种新的具有多重感受野的判别器,同时在损失函数中加入了基于SSIM图像质量评价指标的结构相似性损失.在大型船舶图像数据库上对提出的去模糊方法进行训练和测试实验.实验结果表明:相比于现有的图像去模糊方法,提出的方法在主观的视觉效果和客观的SSIM、PSNR评价指标上均展现出了更加出色的去模糊性能,并且可以显著提升模糊船舶图像的目标检测准确度.