计算机应用

作者：纪佳奇, 卢振坤, 熊福棚, 张甜, 杨豪

单位：广西民族大学 电子信息学院，南宁 530006

关键词：图像去模糊,盲去模糊,生成对抗网络,多级跳跃残差组,多损失融合

基金：国家自然科学基金资助项目(61561008);广西自然科学基金资助项目(2018GXNSFAA294019)

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题，提出了基于多级跳跃残差组生成对抗网络（GAN）的运动人像去模糊方法。首先，改进残差块以构造多级跳跃残差组模块，并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征；其次，使用多损失融合的方法优化网络，从而增强重建后图像的真实纹理；最后，采用端到端的模式将运动模糊的人像图像进行盲去模糊操作，并输出清晰的人像图像。在CelebA数据集上的实验结果表明，相较于DeblurGAN（Deblur GAN）、尺度循环网络（SRN）和MSRAN（Multi-Scale Recurrent Attention Network）等基于卷积神经网络（CNN）的方法，所提方法的峰值信噪比（PSNR）和结构相似度（SSIM）分别至少提高了0.46 dB和0.05；同时，所提方法的模型参数更少，修复速度更快，且复原后的人像图像具有更多的纹理细节。

来源：2023年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第10期