基于多尺度卷积神经网络的图像盲复原方法研究

目录

声明

第1章 绪 论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 本文研究内容及结构组织安排

第2章 单幅图像去模糊

2.1 引言

2.2 图像去模糊数学模型及图像质量评判标准

2.3 基于暗通道的图像去模糊方法

2.4 DeblurGAN方法

2.5 Deep Multi-scale CNN方法

2.6 本章小结

第3章 基于扩张卷积的多尺度图像去模糊方法

3.1 引言

3.2 扩张卷积

3.3 网络结构

3.4 训练与测试

3.5 实验结果

3.5.1 与其他方法的对比实验

3.5.2 DilBlock模块中不同扩张因子的影响

3.6 本章小结

第4章 基于TV损失的多尺度图像去模糊方法

4.1 引言

4.2 网络结构

4.2.1 总体结构

4.2.2 跳跃连接块

4.2.3 ResInception模块

4.2.4 残差模块

4.2.5 损失函数

4.3 训练与测试

4.4 实验结果

4.4.1 与其他方法的对比实验

4.4.2 TV损失函数和TV正则化的影响

4.4.3 ResInception模块的作用

4.5 本章小结

第5章 基于生成对抗网络的图像去模糊方法

5.1 引言

5.2 生成对抗网络

5.3 生成器网络结构

5.3.1 基于Inception的生成对抗网络

5.3.2 基于注意力机制的多尺度图像去模糊方法

5.3.3 基于UDBlock模块的多尺度图像去模糊方法

5.4 判别器网络结构

5.5 训练与测试

5.6 实验结果

5.6.1 GoPro数据集下性能对比

5.6.2 Kohler数据集下性能对比

5.6.3 真实模糊数据集下性能对比

5.6.4 图像分块输入对网络的影响

5.7 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢