采用双框架生成对抗网络的图像运动模糊盲去除

传统运动模糊盲去除方法需先预测模糊图像的模糊核,再复原清晰图像。而实际环境中的复杂的模糊核使此方法不能在视觉上很好地减小实际图像和复原后图像的差异,且直接将现流行的生成对抗模型应用在图像模糊盲去除任务中会有严重的模式崩塌现象。因此,围绕去模糊任务的特点提出了一种端到端的生成对抗网络模型--双框架生成对抗网络。该方案不需要预测模糊核,直接实现图片运动模糊的盲去除。双框架生成对抗网络在原有CycleGan基础上将其网络结构和损失函数均作出了改进,提高了运动图像盲去除的精度,并且在样本有限情况下大幅度增强了网络的稳定性。实验采用最小均方差优化网络训练,最后通过生成网络和判别网络对抗训练获得清晰图像。在ILSVRC2015 VID数据集上的实验结果表明,该方法复原质量更高,且复原结果在后续目标检测任务中达到了更优的效果。