摘要
本发明属于图像处理领域,具体涉及一种基于特征融合的轻量化图像去模糊方法与系统,包括:构建LFNet神经网络模型;所述LFNet神经网络模型包括编码器和解码器,所述编码器和解码器内均设有多尺度动态特征聚合模块,所述编码器内还设有多尺度深度注意力模块;将待处理模糊图像输入至已训练好的LFNet神经网络模型,在编码器中,基于多尺度动态特征聚合模块提取待处理模糊图像的高层次特征,并通过所述多尺度深度注意力模块提取已下采样操作的待处理模糊图像的不同感受野特征,将高层次特征和不同感受野特征合并;在解码器中,基于合并后的特征进行图像还原,得到去模糊后的图像。相较于现有技术,本发明大幅降低了计算资源的使用。
技术关键词
图像去模糊方法
神经网络模型
编码器
多尺度
高层次
解码器
图像还原
注意力
残差网络
动态
特征提取模块
网络深度
处理器
传播算法
图像处理
可读存储介质
存储器
训练集
系统为您推荐了相关专利信息
数据驱动模型
加热炉控制方法
径向基函数神经网络模型
钢坯
热传导
多传感融合
智能识别系统
三维激光传感器
水质
水下机器人
人体姿态估计
人体轮廓
轮廓信息
实例分割模型
泛化方法
智能计算方法
序列
电力系统潮流
数据
初始聚类中心