一种基于多尺度损失监督的Transformer模型的图像去模糊方法

本发明公开了一种基于多尺度损失监督的Transformer模型的图像去模糊方法，本发明方法包括以下步骤：首先，设计了一个全新的AttBlock模块用于提取图像的关键特征和实现图像的特征恢复，该模块在高分辨率图像仍可适用；然后，基于大气散射模型，由解码器的多尺度输出图像计算多尺度损失；最后，设计了多尺度损失监督的结构，监督模型的反向传播和参数更新的训练过程，显著提高了去模糊图像的峰值信噪比。本发明结合双监督网络和Transformer模型的特点，改进了模型的注意力模块和监督网络结构，设计了一个高性能的图像去模糊网络。经过大量实验的验证，本发明所提出的方法相较于其他的图像去模糊网络具有更好的性能指标，同时计算效率与同规模的网络相比更为高效。