清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Image deblurring method based on self-attention and residual wavelet transform

去模糊 人工智能 计算机科学 图像复原 模式识别(心理学) 残余物 平滑的 小波 特征(语言学) 计算机视觉 小波变换 图像融合 图像(数学) 图像处理 算法 语言学 哲学
作者
Bing Zhang,Jing Sun,Fuming Sun,Fasheng Wang,Bing Zhu
出处
期刊:Expert Systems With Applications [Elsevier]
卷期号:244: 123005-123005 被引量:1
标识
DOI:10.1016/j.eswa.2023.123005
摘要

The restoration technology of non-uniform blurred images is a challenging open topic. Most of the existing algorithms fail to effectively fuse multi-scale feature extraction with a self-attention mechanism, and also ignore the potential contribution of image frequency domain information to image restoration. Frequency domain features play an important role in restoring high-quality images and ignoring this property often leads to over-smoothing of the restoration results. In response to these problems, an image deblurring method based on self-attention and residual wavelet transform is proposed in this paper. Based on a single U-Net network, the multi-scale feature cross-fusion strategy and self-attention mechanism are combined to make the network pay more attention to different degrees of blurred regions so that relatively robust blurred features can be extracted for image deblurring. Meanwhile, considering the important role of frequency domain features for image restoration, the wavelet transform is embedded into the depth residual network to convert spatial domain features to wavelet domain, and the sharp details such as edge contours of blurred features are restored by making full use of the texture structure information possessed by high-frequency sub-bands, which further improves the image restoration performance. Experimental results of quantitative and qualitative comparison with other state-of-the-art methods show that the image deblurring effect of the proposed network performs favorably in terms of peak signal-to-noise ratio (PSNR) and structural similarity (SSIM) metrics. The codes and models are available at https://github.com/BingY998/MRDNet.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
爆米花应助亲爱的葡萄采纳,获得10
2秒前
12秒前
宸浅完成签到 ,获得积分10
13秒前
彩色的芷容完成签到 ,获得积分10
16秒前
19秒前
光亮若翠完成签到,获得积分10
23秒前
CATH完成签到 ,获得积分10
30秒前
zsmj23完成签到 ,获得积分0
36秒前
36秒前
喜悦的飞飞完成签到 ,获得积分10
43秒前
44秒前
doreen完成签到 ,获得积分10
47秒前
guan发布了新的文献求助10
49秒前
林利芳完成签到 ,获得积分10
1分钟前
lin完成签到 ,获得积分10
1分钟前
zhouleiwang完成签到,获得积分10
1分钟前
zhang完成签到 ,获得积分10
1分钟前
陆黑暗完成签到 ,获得积分10
1分钟前
Regina完成签到 ,获得积分10
2分钟前
蓝天小小鹰完成签到 ,获得积分10
2分钟前
纪外绣完成签到,获得积分10
2分钟前
烟花应助科研通管家采纳,获得10
2分钟前
格格完成签到 ,获得积分10
2分钟前
ww完成签到,获得积分10
3分钟前
Raul完成签到 ,获得积分10
3分钟前
合适醉蝶完成签到 ,获得积分10
3分钟前
王磊完成签到 ,获得积分10
3分钟前
聪明的鹤完成签到 ,获得积分10
4分钟前
桐桐应助科研通管家采纳,获得10
4分钟前
勤恳的饭饭完成签到,获得积分10
4分钟前
ee_Liu完成签到,获得积分10
4分钟前
妙手回春板蓝根完成签到,获得积分20
5分钟前
CChi0923完成签到,获得积分10
5分钟前
乒坛巨人完成签到 ,获得积分10
5分钟前
Shandongdaxiu完成签到 ,获得积分10
5分钟前
舒服的幼荷完成签到,获得积分10
5分钟前
茶包完成签到,获得积分10
5分钟前
Skywings完成签到,获得积分10
6分钟前
明理问柳完成签到,获得积分10
6分钟前
vampire完成签到,获得积分10
6分钟前
高分求助中
中国国际图书贸易总公司40周年纪念文集 大事记1949-1987 2000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
草地生态学 880
Threaded Harmony: A Sustainable Approach to Fashion 799
Basic Modern Theory of Linear Complex Analytic 𝑞-Difference Equations 510
中国有机(类)肥料 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3059669
求助须知:如何正确求助?哪些是违规求助? 2715529
关于积分的说明 7445380
捐赠科研通 2361181
什么是DOI,文献DOI怎么找? 1251224
科研通“疑难数据库(出版商)”最低求助积分说明 607711
版权声明 596466