融合对抗网络和维纳滤波的无人机图像去模糊方法研究OA
针对无人机(UAV)测量中出现的运动模糊问题,尝试将DeblurGANv2网络引入到UAV测量模糊图像的恢复任务中,并设计一种自适应指数移动平均损失函数(Adaptive Exponential Moving Average Loss Function, AEMALF),又将维纳滤波后的图像存在振铃效应进行高频抑制并通过色彩映射等方法恢复原图像部分细节,建立了模拟仿真的UAV测量运动模糊图像数据集。提出了一种改进的对抗网络DeblurGANv2算法和配合维纳滤波预处理的图像去模糊方法。实验结果表明,相较于同类算法,所提算法更能充分挖掘图像多尺度特征,恢复的图像平均峰值信噪比(Peak Signal to Noise Ratio, PSNR)和平均结构相似性(Structural Similarity, SSIM)均有显著提高。
张文政;吴长悦;赵文;满卫东;刘明月;
华北理工大学矿业工程学院,河北唐山063210华北理工大学矿业工程学院,河北唐山063210 唐山市资源与环境遥感重点实验室,河北唐山063210 河北省矿区生态修复产业技术研究院,河北唐山063210 矿产资源绿色开发与生态修复协同创新中心,河北唐山063210 河北省矿业开发与安全技术重点实验室,河北唐山063210
测绘与仪器
无人机图像恢复维纳滤波轻量模型自适应指数移动平均损失函数
《无线电工程》 2024 (003)
P.607-614 / 8
河北省自然科学基金(D2019209322,D2022209005);河北省引进留学人员资助项目(C20200103);河北省高等学校科学技术研究项目青年拔尖人才项目(BJ2020058);唐山市科技计划重点研发项目(22150221J)~~。
评论