基于特征解耦表征学习的无监督混合失真图像复原方法

作     者：符颖 李卓遥 朱欣宇 龚敏学 周激流 Fu Ying;Li Zhuoyao;Zhu Xinyu;Gong Minxue;Zhou Jiliu

作者机构：成都信息工程大学计算机学院成都610225 四川省2011图形图像与空间信息协同创新中心成都610225 

基　　金：国家留学基金委资助项目(201908515022) 四川省重大科技专项(2019ZDZX0005) 四川省自然科学基金青年基金(2022NSFSC0907) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年第36卷第2期

页      码：236-247页

摘      要：针对真实场景下多种混合失真组合的多任务图像复原,结合生成对抗网络与编码器提出了一种基于无监督对偶学习的图像复原方法.该方法引入特征解耦模块,通过修正基于增益控制的归一化,将不同退化机制的特征表示分配到不同的特征通道中,使得不同退化特征表达相互独立,实现了通道上的特征解耦.同时,为了进一步过滤掉退化机制的特征表示并保持原图像内容信息的细节,利用通道注意力机制实现特征解耦后自适应地选择有用的特征表示,使其适用于真实场景下混合失真组合的图像复原任务.实验结果表明,所提算法在单一退化类型GoPro数据集上对比基于尺度循环网络的算法(scale-recurrent network,SRN),峰值信噪比和结构相似性2项指标值分别提高了0.499 dB和0.044;在混合退化类型DIV2K数据集上对比基于操作选择注意力网络的算法(operation-wise attention network,OWAN),峰值信噪比和结构相似性2项指标值分别提高了0.163 dB和0.015,在实现复原图像的同时,保留了图像的纹理和细节信息.

主 题 词：混合失真图像 图像复原 特征解耦 注意力机制 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2024.19717

馆 藏 号：203127491...