基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对目前图像去运动模糊过程中的模糊核估计过程复杂、图像复原质量低等问题,提出一种基于生成对抗网络的去运动模糊算法.算法建立在基本生成对抗网络上,采用残差可分离卷积模块提取特征,去除批量规范化层,并添加全局平均池化,优化了网络.实验结果表明,所提算法能有效地去除真实场景下运动模糊图像中存在的运动模糊,对比当前最新去运动模糊模型,所提模型在模型缩小了4.7倍的同时,测试阶段的峰值信噪比指标也有所提升.
推荐文章
基于卷积神经网络的遥感图像去噪算法
图像去噪
卷积神经网络
遥感图像
深度学习
基于分组残差结构的轻量级卷积神经网络设计
卷积神经网络
分组
残差
分类性能
轻量
基于并行残差卷积神经网络的多种树叶分类
树叶分类
卷积神经网络
残差学习
图像特征提取
批量归一化
测试效果对比
深立井井壁图像的卷积神经网络去噪方法
图像去噪
卷积神经网络
井壁图像
深立井
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 残差分离卷积神经网络的图像去运动模糊技术
来源期刊 计算机与数字工程 学科 工学
关键词 图像去模糊 深度学习 卷积神经网络 生成对抗网络 深度可分离卷积
年,卷(期) 2020,(8) 所属期刊栏目 图像处理
研究方向 页码范围 1975-1980
页数 6页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1672-9722.2020.08.031
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (1)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像去模糊
深度学习
卷积神经网络
生成对抗网络
深度可分离卷积
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导