← 返回列表
一种基于残差密集U形网络的图像去模糊模型及方法
摘要文本
本发明提供一种基于残差密集U形网络的图像去模糊模型及方法，包括：应用于第一阶段的梯度残差密集混合U形子网络，用于粗略获取模糊图像的多分辨率特征，并提取模糊图像边缘信息；应用于第二、三、四阶段的梯度残差密集多尺度卷积注意力U形子网络，用于获得更加精细的模糊图像的多分辨率特征；同时引入特征监督注意力模块连接两个阶段并进行特征融合。本发明的基于残差密集网络的图像去模糊模型及方法使网络训练更加稳定，能够极大地减少特征图信息的丢失，进而实现模糊图像复原的效果。
申请人信息
- 申请人:南京邮电大学
- 申请人地址:210003 江苏省南京市鼓楼区新模范马路66号
- 发明人: 南京邮电大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于残差密集U形网络的图像去模糊模型及方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410129316.4 |
| 申请日 | 2024/1/31 |
| 公告号 | CN117670727A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06T5/73 |
| 权利人 | 南京邮电大学 |
| 发明人 | 喻春雨; 张俊; 韩鼎 |
| 地址 | 江苏省南京市新模范马路66号 |
专利主权项内容
1.一种基于残差密集U形网络的图像去模糊模型，其特征在于，包括：梯度残差密集混合U形子网络，粗略获取模糊图像的多分辨率特征，所述梯度残差密集混合U形子网络应用于第一阶段；梯度残差密集多尺度卷积注意力U形子网络，获得更加精细的所述模糊图像的所述多分辨率特征，所述梯度残差密集多尺度卷积注意力U形子网络应用于第二阶段、第三阶段和第四阶段；特征监督注意力模块SAM，融合不同阶段的多尺度特征信息。