基于Transformer的多阶段运动模糊图像修复网络OA北大核心CSTPCD

运动模糊是导致图像退化的常见原因,其限制了图像的可读性和后续处理效果。针对卷积网络感受野有限以及常规多阶段网络中信息丢失的问题,提出一种基于Transformer的多阶段去模糊网络。网络采用多阶段编码器-解码器结构,在单个阶段内和多个阶段间采用跳跃连接来增强信息的传递。首先,高效Transformer模块采用通道注意力和深度卷积来处理图像的全局和局部信息;其次,多分支结构的前馈传播网络通过引入多个并行的分支,实现了不同尺度和不同层次的特征提取和融合;最后,通过多阶段的残差处理实现更优的图像恢复结果。实验结果显示,在GoPro数据集上该网络的峰值信噪比(PSNR)达到32.23 dB,结构相似性指数(SSIM)达到0.955,在HIDE数据集上PSNR和SSIM分别达到30.15 dB和0.930,优于DeepDeblur、DeblurGAN-V2等模型。