摘要
本发明公开了一种模糊图像去模糊方法及系统,通过使用特征增强和不同扩张因子的Transformer,该模块使模型能够更充分地学习模糊图像中的全局信息和局部信息,这有助于捕捉图像中的远程依赖关系以及细微的局部细节,摒弃常用的激活函数,采用特征增强模块替代,增强了网络的灵活性和强大的泛化能力,将高频信息和低频信息分别处理后融合到原始模糊图像中,为去模糊提供了指导,有助于提高最终输出图像的质量,通过对不同频率的信息进行精细处理和融合,该模块有助于模型更好地平衡全局信息与局部信息、高频信息与低频信息之间的关系。
技术关键词
图像去模糊方法
去模糊图像
离散余弦变换
分量特征
高频特征
编解码器
前馈神经网络
输入解码器
注意力机制
峰值信噪比
融合特征
特征提取模块
编码器
因子
频率
邻域
系统为您推荐了相关专利信息
多尺度特征提取
生成对抗网络模型
图像去模糊方法
补丁
图像结构
语音欺骗检测
深度卷积神经网络
分类器
短时傅里叶变换
激励残差网络
多模态协同
估计方法
图像增强
上下文特征
高频特征