所属单位：机电学院
发表刊物：计算机科学
项目来源：国家自然科学基金联合基金项目（Ｕ２０Ａ２０２９３）
关键字：图像去模糊;生成对抗网络;卷积神经网络;信道注意结构;医学图像;残差网络
摘要：清晰的医学图像可以有效地帮助医生进行病理分析和病情诊断。针对医学图像中的显微图像在采集过程中因失焦产生的图像模糊问题,文中以生成对抗网络去模糊模型DeblurGAN作为基本框架,提出了一种新的图像去模糊网络。该网络在生成器结构中引入信道注意结构(Channel Attention, CA),有效地提取了图像的细节特征。图像上采样过程中使用双线性插值+卷积的结构代替反卷积(转置卷积)过程,消除了棋盘效果。使用对抗损失、内容损失相结合的方式训练模型来获得清晰的图像。实验结果表明,该网络较DeblurGAN生成的去模糊图像,在PSNR和SSIM指标上都获得了较大的提升。
论文类型：期刊论文
学科门类：工学
一级学科：机械工程
文献类型：J
卷号：48
期号：S1
页面范围：101-106
是否译文：否
发表时间：2021-06-15
发表时间：2021-06-15