许光宇, 汪雨
针对动态场景下非均匀盲去模糊算法存在去模糊不彻底和纹理细节丢失的问题,提出了一种基于多输入多输出编解码器网络的图像去模糊方法。首先,采用一个特征提取模块获取不同尺度模糊图像的全局和局部特征信息,为网络提供更丰富、更全面的图像特征信息。其次,使用特征融合模块对多尺度特征进行融合,使不同尺度下的上下文特征与细节信息可以在单个U-net网络中流动,增强了特征信息的流动性,解决了传统方法中多个子网络堆叠导致特征流动受阻的问题。最后,设计了一个由L1损失、多尺度频率重建损失和边缘损失组成的混合损失函数,在提升图像复原效果的同时更好地保留纹理结构和边缘信息。为了评估网络去模糊性能,在基准数据集GoPro和HIDE上进行测试,复原图像的峰值信噪比均值分别为31.94、29.45 dB,结构相似度均值分别为0.961、0.936,均高于相比较的去模糊算法。在视觉效果上,恢复的图像纹理结构和边缘更清晰,更接近真实图像。所提出的网络模型能够获取更丰富的特征信息,增强了网络内部特征的流动能力,取得了较好的去模糊效果。