摘要
本发明公开了一种基于深度学习与退化过程约束的模糊图像复原方法,包括通过复原模型生成器获取复原图像;通过模糊退化的物理模型对复原图像进行再模糊;构建两个判别模型分别计算复原图像与再模糊图像的损失函数;基于损失函数,并利用优化器优化复原模型生成器;重复上述操作至复原模型生成器收敛,将任意模糊图像输入训练收敛的复原模型生成器获得复原的清晰图像,以此确保复原图像满足模糊退化物理模型的约束,通过约束复原图像在结构和纹理的正确性,进而指导复原模型的生成方向,复原清晰图像的质量更高,具有更好的实用价值。
技术关键词
模糊图像复原方法
注意力机制
优化器
退化物理模型
编码器
优化网络参数
输出特征
解码器
神经网络结构
图像特征提取
多层感知机
图像投影
分辨率
滑动窗口
调度器
数据
模块
通道
系统为您推荐了相关专利信息
遥感图像特征
嵌入特征
检测网络模型
语言编码器
检测头
思维导图生成方法
思维导图模板
语音转写技术
自然语言
矩阵
UDP数据包
网络接口控制器
视频传输系统
逻辑模块
网络状态监测
标识符
修复方法
抽象语法树
表达式
计算机程序指令
压缩感知重构方法
信号
重构模块
采样模块
协方差矩阵