亲爱的研友该休息了!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,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

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
2秒前
科研搬运工完成签到,获得积分10
6秒前
6秒前
sagapo完成签到 ,获得积分10
11秒前
寻道图强应助科研通管家采纳,获得40
13秒前
jingjing完成签到 ,获得积分10
19秒前
21秒前
白小余发布了新的文献求助10
27秒前
简单的尔风完成签到 ,获得积分10
44秒前
ding应助开心努力毕业版采纳,获得10
44秒前
52秒前
科研通AI2S应助安静鸽哥采纳,获得10
52秒前
56秒前
57秒前
1分钟前
布通发布了新的文献求助30
1分钟前
陶兜兜完成签到,获得积分10
1分钟前
安静的磬发布了新的文献求助10
1分钟前
科研通AI2S应助安静的磬采纳,获得10
1分钟前
科研通AI2S应助陶兜兜采纳,获得10
1分钟前
苗条青槐完成签到 ,获得积分10
1分钟前
支觅露完成签到 ,获得积分10
1分钟前
CipherSage应助蝈蝈采纳,获得30
1分钟前
ooooyasumi完成签到,获得积分10
1分钟前
2分钟前
2分钟前
NexusExplorer应助吵吵robot采纳,获得10
2分钟前
2分钟前
姚老表完成签到,获得积分10
2分钟前
2分钟前
LU完成签到 ,获得积分10
2分钟前
3分钟前
3分钟前
bkagyin应助KSung采纳,获得10
3分钟前
体贴问丝完成签到 ,获得积分10
3分钟前
4分钟前
KSung发布了新的文献求助10
4分钟前
桃园奈奈露完成签到,获得积分10
4分钟前
深情安青应助科研通管家采纳,获得10
4分钟前
隐形曼青应助科研通管家采纳,获得10
4分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 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 3068019
求助须知:如何正确求助?哪些是违规求助? 2722010
关于积分的说明 7475912
捐赠科研通 2369097
什么是DOI,文献DOI怎么找? 1256116
科研通“疑难数据库(出版商)”最低求助积分说明 609454
版权声明 596795