摘要
基于深度学习理论,提出了融合并行式多尺度卷积结构的生成对抗网络,实现了湍流退化图像不同类型特征图像的提取,从而使网络模型“学习”识别图像中的湍流退化信息,最终提高了网络模型对湍流退化图像的复原效果.
This paper achieves the extraction of different types of feature images from turbulent-degraded images by constructing a deep generative adversarial network and integrating a parallel multi-scale convolutional structure.This allows the network model to"learn"turbulence degradation information within the images,ultimately improving the restoration performance of the network model for turbulent-degraded images.
作者
李征升
周林华
LI Zhengsheng;ZHOU Linhua(School of Mathematics and Statistics,Changchun University of Science and Technology,Changchun 130022,China)
出处
《东北师大学报(自然科学版)》
北大核心
2025年第4期43-49,共7页
Journal of Northeast Normal University(Natural Science Edition)
基金
国家自然科学基金资助项目(12571523)
吉林省教育厅科学研究项目(JJKH20250469KJ)。
关键词
深度生成对抗网络
并行式多尺度
时序图像
去湍流复原算法
deep generative adversarial networks
parallel multi-scale
temporal images
turbulence removal algorithm
