基于双域特征融合的多尺度运动图像去模糊

摘要

针对动态场景下拍摄的图像存在运动模糊现象，进而导致图像质量下降、细节信息丢失严重的问题，本文提出一种基于双域特征融合的多尺度运动图像去模糊方法．首先，设计了一个双域特征融合模块，采用双分支结构并行地从模糊图像中提取空间域特征和频域特征，并对双域特征进行深度融合，提高网络模型对高频细节的特征表示能力．然后，设计了一个多尺度特征聚合模块，使用跨通道自注意力聚合不同尺度模糊图像的编码特征，动态调整不同尺度特征图的权重，增强模型的鲁棒性．最后，对训练损失函数进行改进，采用结合内容损失、小波域重构损失和边缘损失的联合多尺度损失函数监督网络模型的训练，进一步提高去模糊效果．在GoPro和HIDE两个公共数据集上，与主流方法开展对比实验，结果表明本文方法的PSNR（峰值信噪比）分别达到32.56和30.76 dB，均优于其他对比方法，可以有效提升去模糊的效果，具有良好的鲁棒性．

关键词

运动图像去模糊 / 双域特征融合 / 多尺度特征聚合 / 小波域重构损失

基金资助

国家自然科学基金（62473187,62365014,62401244）; 江西省职业早期青年科技人才培养项目（20244BCE2091）