基于Swin Transformer的电影影像异源模糊去除方法研究

天气现象、设备运动以及暗噪声等因素导致了电影影像异源模糊且成为了影响画面质量的主要原因之一。为适应多种场景下的高质量电影拍摄,影像异源模糊的去除十分必要。现有去模糊方法普遍存在数据集类型单一且未考虑大气散射等异源因素影响。本文针对真实场景下异源模糊去除的难点,搭建了具有多种场景的高分辨率异源模糊视频数据集,并基于深度学习提出创新的Swin Transformer去异源模糊模型。通过在时间域和空间域上建模Swin Transformer,最终获得时空一致性的清晰图像序列。实验结果表明,通过端到端训练网络,本文方法能够从包含异源模糊噪声的移动拍摄影像中准确地去除雾霾、运动模糊、抖动等现象,恢复出清晰的影像视频流。