任静静
- 作品数：2 被引量：10H指数：1
- 供职机构：安徽大学更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金安徽省科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于快速卷积神经网络的图像去模糊被引量：10
- 2017年
- 针对基于深度学习的图像去模糊方法无法有效地保留高频纹理信息,易产生振铃效应,且时间复杂度较高的问题,提出基于卷积神经网络(CNN)的图像去模糊方法.该方法设计了一种高频信号保持且可快速去模糊的快速CNN模型(FCNN).在此基础上,首先对高频图像进行傅里叶域上的预处理,通过实施傅里叶域去模糊的预处理得到一个初始的清晰图像;然后将该初始图像小块作为输入,相应的真实清晰图像小块作为标签训练FCNN,得到从模糊图像到潜在清晰图像的映射函数,实现基于该训练网络的去模糊.定性和定量实验结果表明,文中方法利用CNN参数共享的特点,减少了网络训练过程中大量的学习参数;相对前人基于深度学习的去模糊方法,该方法对模糊图像在保持图像纹理细节恢复的同时使计算复杂度得到显著降低.
- 任静静方贤勇陈尚文汪粼波周健
- 关键词：图像去模糊卷积神经网络
- 基于卷积神经网络的图像模糊去除
- 摄像机已经渗透到人们生活的方方面面，图像作为摄像机的产物，为人们传递信息提供了另一种重要途径。然而由于种种原因，例如拍摄物体的运动、对焦不准确、光照条件的不足等因素，造成拍摄得到的图像是不清晰的。这些质量退化的图像往往不...
- 任静静
- 关键词：卷积神经网络自适应性
- 文献传递
