基于高分辨率特征保持的图像去模糊

摘要

基于深度学习的方法在去模糊领域已经取得了很大的进展,但目前的CNN结构通常会对特征图进行下采样,导致图像特征在网络学习过程丢失.针对这些问题,本文设计了一种基于高分辨率特征保持的图像去模糊网络,与现有的串行连接由高-低分辨率图像特征图不同,所设计网络并行连接由高至低各分辨率特征子网络,而无需经过由低分辨率到高分辨率的重建过程来恢复高分辨率信息,可以在整个去模糊过程中较好地保持图像的高分辨率信息不丢失.另外,本文通过交叉连接各并行子网络来融合不同分辨率特征图,从而使得网络可以自适应选择模糊特征来复原图像.最后,使用动态卷积核网络以非线性方法聚合多个卷积核信息提取图像特征,自适应调节感受野大小,提高网络的泛化能力.与已有方法相比,本文使用的高分辨率特征保持网络去模糊较为彻底,能更好地保持图像的特征信息,复原图像细节更为清晰.