电子信息技术

本发明公开了一种基于多尺度融合编码网络的深度图像去模糊方法，通过将图像多尺度编码融合，配合所述区域注意力模块与所述特征融合模块构建生成网络模型，并由深度卷积模块构建判别网络模型，结合所述生成网络模型和所述判别网络模型生成对抗网络模型，通过获取清晰、模糊图像对输入所述对抗网络模型不断交替对抗性训练获得图像去模糊模型，误差收敛至指定范围后停止训练，利用所述图像去模糊模型进行图像去模糊，解决了现有技术中的深度学习图像去模糊模型效果不佳的技术问题。

技术亮点

本发明的目的在于提供一种基于多尺度融合编码网络的深度图像去模糊方法，旨在解决现有技术中的深度学习图像去模糊模型效果不佳的技术问题。为实现上述目的，本发明采用的一种基于多尺度融合编码网络的深度图像去模糊方法，包括下列步骤：构建生成网络模型；利用深度卷积模块构建判别网络模型；结合所述生成网络模型和所述判别网络模型生成对抗网络模型；训练所述对抗网络模型，获得图像去模糊模型；使用所述图像去模糊模型去除单幅图像中的模糊。

深度图像去模糊是指对模糊的深度图像进行恢复，以获得更加清晰的图像。随着深度相机的广泛应用，深度图像去模糊已经成为一个重要的研究方向。我可以为你介绍基于多尺度融合编码网络的深度图像去模糊方法的应用前景。

基于多尺度融合编码网络的深度图像去模糊方法可以用于以下几个方面：

机器人视觉：在机器人领域，深度相机被广泛应用于导航、避障和操作等任务。深度图像去模糊可以提高机器人的视觉感知能力，使其更加准确地感知环境。

自动驾驶：在自动驾驶领域，深度相机被用于感知车辆周围的环境。深度图像去模糊可以提高自动驾驶系统的环境感知能力，从而提高驾驶的安全性。

增强现实：在增强现实领域，深度图像被用于将虚拟物体与真实场景进行融合。深度图像去模糊可以提高增强现实系统的图像质量，从而使虚拟物体更加逼真。总的来说，基于多尺度融合编码网络的深度图像去模糊方法具有广泛的应用前景，可以用于机器人视觉、自动驾驶、增强现实等多个领域。

随着深度相机的广泛应用，深度图像去模糊技术的研究和应用将会变得越来越重要。

本发明的一种基于多尺度融合编码网络的深度图像去模糊方法，通过将图像多尺度编码融合，配合所述区域注意力模块与所述特征融合模块构建生成网络模型，并由深度卷积模块构建判别网络模型，结合所述生成网络模型和所述判别网络模型生成对抗网络模型，通过获取清晰、模糊图像对输入所述对抗网络模型不断交替对抗性训练获得图像去模糊模型，误差收敛至指定范围后停止训练，利用所述图像去模糊模型进行图像去模糊，解决了现有技术中的深度学习图像去模糊模型效果不佳的技术问题。