一种基于U-Net的图像去模糊方法

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.