双任务卷积神经网络的图像去模糊方法

摘要

针对现有图像去模糊卷积神经网络在图像复原过程中易出现纹理细节丢失、不加区分地对待所有通道和空间特征信息以及去模糊效果不佳等问题,本文提出了一种基于双任务卷积神经网络的图像去模糊方法.将图像去模糊任务分为去模糊子任务和高频细节恢复子任务来进行.其一,提出一种基于残差注意力模块和八度卷积残差块的编解码子网络模型,将此网络模型用于图像去模糊子任务;其二,提出一种基于双残差连接的高频细节恢复子网络模型,将此网络模型用于高频细节恢复子任务.将两个子网络采用并联方式组合起来,并使用平均绝对误差损失与结构损失来共同约束训练方向,实现图像去模糊.实验结果表明,本文方法具有较强的图像复原能力和较丰富的细节纹理,峰值信噪比(PSNR)为32.4276 dB,结构相似度为0.9470.与目前先进的去模糊算法相比能够有效提升图像去模糊效果.