图像去模糊需要在保留空间细节的同时确保高层次的上下文信息的平衡.针对模糊图像中的空间结构破坏,上下文信息扭曲以及RGB图像中的通道间强相关性造成的颜色不平衡等问题,本文提出一种基于YUV颜色空间和图卷积网络(GCN)的图像去模糊算...图像去模糊需要在保留空间细节的同时确保高层次的上下文信息的平衡.针对模糊图像中的空间结构破坏,上下文信息扭曲以及RGB图像中的通道间强相关性造成的颜色不平衡等问题,本文提出一种基于YUV颜色空间和图卷积网络(GCN)的图像去模糊算法(YUVGCR).首先,设计了用于图像去模糊的YUV与RGB颜色空间转换算法,以解决RGB通道间强相关性的问题.然后,利用GCN可以将特征图转换为预生成图的顶点,对特征图进行图卷积,从而合成构建图结构的数据.通过这样做,可以隐式地将图拉普拉斯正则化应用于特征图,使其更加结构化.实验表明,YUVGCR的峰值信噪比(PSNR)为36.21 dB,比先进算法提高了2.93 d B.可视化去模糊结果可以看出,YUVGCR能产生更清晰的边缘和细节,图像去模糊的整体性能获得较大提升.展开更多
文摘图像去模糊需要在保留空间细节的同时确保高层次的上下文信息的平衡.针对模糊图像中的空间结构破坏,上下文信息扭曲以及RGB图像中的通道间强相关性造成的颜色不平衡等问题,本文提出一种基于YUV颜色空间和图卷积网络(GCN)的图像去模糊算法(YUVGCR).首先,设计了用于图像去模糊的YUV与RGB颜色空间转换算法,以解决RGB通道间强相关性的问题.然后,利用GCN可以将特征图转换为预生成图的顶点,对特征图进行图卷积,从而合成构建图结构的数据.通过这样做,可以隐式地将图拉普拉斯正则化应用于特征图,使其更加结构化.实验表明,YUVGCR的峰值信噪比(PSNR)为36.21 dB,比先进算法提高了2.93 d B.可视化去模糊结果可以看出,YUVGCR能产生更清晰的边缘和细节,图像去模糊的整体性能获得较大提升.
