局部双域互注意力与全局通道自注意力的图像盲去模糊方法技术

本发明专利技术涉及一种局部双域互注意力与全局通道自注意力的图像盲去模糊方法，属于计算机视觉技术领域，包括以下步骤：S1：构建基于窗口的频域‑空域互注意网络WFMAN；S2：构建基于全局的空域通道自注意网络GSCAN；S3：构建频域滤波门控特征融合模块FFGF；S4：将WFMAN与GSCAN串联构成基础模块；利用多个基础模块、FFGF模块及细化层构建新型U型网络；S5：利用去模糊前后的图像数据集对所述新型U型网络进行训练和测试，得到图像盲去模糊模型；S6：利用所述图像盲去模糊模型对采集图像进行去模糊。

【技术实现步骤摘要】

本专利技术属于计算机视觉，涉及一种局部双域互注意力与全局通道自注意力的图像盲去模糊方法。

技术介绍

1、现有的动态场景盲去模糊方法主要分为两类：基于卷积神经网络的深度学习方法和基于视觉transformer的深度学习方法。

2、近年来，卷积神经网络由于其强大的表示能力在图像去模糊领域得到了广泛的应用。xu等人首次将深度学习引入到模糊图像的非盲去模糊中，提出了一种5层的卷积神经网络(convolutional neural network：cnn)实现了非盲去模糊。tao等人从模糊图像的粗尺度开始，逐步以更高的分辨率恢复潜在图像，提出一种尺度循环卷积神经网络(scale-recurrent network：srn)。cho等人使用单个u形网络模拟多级联u型网络，并引入非对称特征融合，提出了多输入与多输出u型网络(multi-input multi-output u-net：mimo-unet)。chen等人通过分解现有效果较好的方法并提取其基本组件，同时去除或替换非线性激活函数，提出了一种简单的非线性无激活网络(nonlinear activat本文档来自技高网...

【技术保护点】

1.一种局部双域互注意力与全局通道自注意力的图像盲去模糊方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的局部双域互注意力与全局通道自注意力的图像盲去模糊方法，其特征在于：步骤S1所述基于窗口的频域-空域互注意网络WFMAN具体包括：

3.根据权利要求1所述的局部双域互注意力与全局通道自注意力的图像盲去模糊方法，其特征在于：步骤S2所述基于全局的空域通道自注意网络GSCAN具体包括：

4.根据权利要求1所述的局部双域互注意力与全局通道自注意力的图像盲去模糊方法，其特征在于：步骤S3所述频域滤波门控特征融合模块FFGF具体包括：

5....

【技术特征摘要】

1.一种局部双域互注意力与全局通道自注意力的图像盲去模糊方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的局部双域互注意力与全局通道自注意力的图像盲去模糊方法，其特征在于：步骤s1所述基于窗口的频域-空域互注意网络wfman具体包括：

3.根据权利要求1所述的局部双域互注意力与全局通道自注意力的图像盲去模糊方法，其特征在于：步骤s2所述基于全局的空域通道自注意网络gscan具体包括：

4.根据权利要求1所述的局部双域互注意力与全局通道自注意力的图像盲去模糊方法，其特征在于...

【专利技术属性】
技术研发人员：韦哲韬，唐述，董文琦，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：