【技术实现步骤摘要】
本专利技术属于计算机视觉和图像恢复；特别涉及一些对去模糊效果和计算成本均要求较高的场景的需要，提出了一种基于递归门控卷积的轻量级图像去模糊方法。
技术介绍
1、物体移动或相机抖动经常会使图像产生运动模糊，这不仅影响图像的观感，还影响后续计算机视觉应用程序如目标检测的性能。图像去模糊是为了从单幅模糊图像中恢复清晰的图像，这是一项困难的工作，因为运动模糊通常是全局和局部不均匀的，并且只能从单幅图像中提取出有限的信息。
2、传统的图像去模糊方法由于模糊的病态性，通常利用先验知识进行图像去模糊。一些方法通过假设只有均匀模糊存在来简化这个任务;然而，现实世界的动态场景通常不是这样。有些工作利用先验假设来去除非均匀模糊。然而，非均匀模糊通常是处于特定的区域的，这很难被特定的先验模型所模拟，常常导致图像去模糊的失败。此外，这些方法通常涉及解决非凸优化问题，导致较高的计算时间。
3、由于深度学习的快速发展以及其在很多领域如人脸识别，图像分类等取得了很好的成绩，许多学者尝试使用卷积神经网络来提取模糊特征，在这之后图像去模糊取得了重...
【技术保护点】
1.一种基于递归门控卷积的轻量级图像去模糊方法，其特征在于，包括：
2.根据权利要求1所述的基于递归门控卷积的轻量级图像去模糊方法，其特征在于，所述特征编码模块由两个残差编码模块和第一残差分支串联组成。
3.根据权利要求1所述的基于递归门控卷积的轻量级图像去模糊方法，其特征在于，所述特征处理模块由自注意力残差模块和递归门控残差模块串联组成。
4.根据权利要求1所述的基于递归门控卷积的轻量级图像去模糊方法，其特征在于，所述特征解码模块由转置卷积层-3×3卷积层-GELU层-自注意力残差模块-自注意力残差模块-自注意力残差模块-转置卷积...
【技术特征摘要】
1.一种基于递归门控卷积的轻量级图像去模糊方法，其特征在于，包括：
2.根据权利要求1所述的基于递归门控卷积的轻量级图像去模糊方法，其特征在于，所述特征编码模块由两个残差编码模块和第一残差分支串联组成。
3.根据权利要求1所述的基于递归门控卷积的轻量级图像去模糊方法，其特征在于，所述特征处理模块由自注意力残差模块和递归门控残差模块串联组成。
4.根据权利要求1所述的基于递归门控卷积的轻量级图像去模糊方法，其特征在于，所述特征解码模块由转置卷积层-3×3卷积层-gelu层-自注意力残差模块-自注意力残差模块-自注意力残差模块-转置卷积层-gelu层-3×...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。