改进多尺度U型网络的红外图像去模糊方法

摘要

针对热成像设备采集的红外图像纹理细节较粗导致去模糊效果不佳的问题，在基于深度学习的可见光图像去模糊网络基础上，提出了一种改进的适用于红外图像的单幅图像去模糊方法，该方法以多尺度U型网络为基础进行改进。首先，在编码模块中引入对偶注意力单元，增强网络的特征表达能力；其次，将快速傅里叶变换嵌入到特征融合模块，加强网络对于高低频信息的处理能力；最后，选择更优的激活函数和损失函数，实现更好的信息流动并提升模型的鲁棒性。在红外数据集上进行测试，并与原网络进行对比，结果表明，本文改进网络的图像细节恢复得更好，峰值信噪比提升了0.53 dB,红外图像去模糊效果良好。

关键词

红外图像 / 深度学习 / 图像去模糊 / 对偶注意力单元 / 快速傅里叶变换

基金资助

辽宁省教育厅高等学校基本科研项目(LJKZ0245); 装备预研重点实验室基金项目(2021JCJQLB055006)