基于Transformer和双残差网络的图像去模糊算法研究

在单幅图像去模糊网络的设计中，已广泛采用了由“粗到精”的策略。经典的基于深度学习的多尺度网络模型通常将子网络与多尺度输入图像堆叠，并从底层子网络到顶层子网络逐渐提高图像的清晰度，将不可避免地产生图像特征信息丢失问题以及较高的时间成本。针对上述问题，构建了一种基于编解码器结构的多输入多输出U型网络。首先，在编码器结构中采用Transformer模型代替传统卷积网络模型以充分获取图像特征信息；其次为了恢复高频细节特征，在解码器结构中设计了双残差网络；最后，提出多尺度融合算法，有效融合了多尺度特征。在GoPro上的仿真实验表明，通过引入Transformer,所提算法分别在PSNR与SSIM评价指标和运行时间上均优于主流算法，PSNR与SSIM值分别为31.15 dB、0.957 7，同时从视觉上可以得到更多的图像细节。