基于DeblurGAN的运动模糊图像盲复原算法研究

来源：电子测量技术杂志2022年第22期北京时间：

作者：孙晶晶，张艳艳，高超，胡佳琦，程菲

单位：1.安徽信息工程学院 计算机与软件工程学院，安徽 芜湖 241000;2.南京信息工程大学 电子与信息工程学院，江苏 南京210044;3.中央财经大学 信息学院，北京100098

摘要：DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题，但存在图像边缘细节恢复不足以及鲁棒性不高的问题，针对此问题，提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中，采用多尺度卷积核神经网络提取特征，并使用级联空洞卷积扩大神经元的感受野；采用自适配归一化方法代替原来生成器中使用的实例归一化方法。其次，引入了梯度图像L1损失，结合对抗损失和感知损失，将其作为图像去模糊的正则约束，使得生成图像的边缘特征更加清晰。实验结果表明，提出方法复原的图像峰值信噪比数值较DeblurGAN算法高出5.4%，结构相似性指标高出1%；在主观上清晰化效果较好，且消除了网格效应。

关键词：运动模糊; 生成对抗网络; 级联空洞卷积; 多尺度特征提取; 自适应归一化

基金资助：安徽省自然科学基金（2008085MF201）；科技部科技创新2030-“新一代人工智能”重大项目（No.2020AAA0103601）；安徽高校自然科学研究一般项目、安徽信息工程学院青年科研基金项目（22QNJJKJ001）