基于残差递归网络的毫米波辐射图像去模糊  

Millimeter-Wave Radiation Image Deblurring Based on Residual Recursive Network

作　　者：徐国豪 刘媛媛[1] 朱路[1] Xu Guohao;Liu Yuanyuan;Zhu Lu(School of Information Engineering,East China Jiaotong University,Nanchang 330013,Jangxi,China)

机构地区：[1]华东交通大学信息工程学院,江西南昌330013

出　　处：《激光与光电子学进展》2022年第18期111-118,共8页Laser & Optoelectronics Progress

基　　金：国防科技重点实验室基金(6142113180101);国家自然科学基金(61967007,61963016);教育部人文社会科学研究规划基金(18YJAZH150);江西省教育厅科学技术研究重点项目(GJJ170360);江西省重点研发计划重点项目(20201BBF61012)。

摘　　要：为降低真实毫米波辐射图像的模糊现象,提出了一种基于残差尺度递归网络(RSRN)的毫米波辐射图像盲去模糊方法。RSRN采用多级残差递归结构,在编码器解码器网络结构中添加级联残差连接和多尺度循环连接。充分利用毫米波辐射图像多尺度特征信息可以提升模型性能,同时使网络的训练更加稳定。最后,通过端到端的方式对毫米波辐射图像进行去模糊。实验结果表明,与现有的图像去模糊方法相比,所提方法消除模糊的同时更好地保留了细节信息,并且呈现出较好的定性和定量结果。To reduce the blur phenomenon in real millimeterwave radiation images,a blind deblurring method of millimeterwave radiation images based on residual scale recursive network(RSEN)is proposed.RSRN adopted a multilevel residual recursive structure and added cascading residual connections and multiscale recurrent connections to the encoderdecoder network structure.It completely utilized the multiscale feature information of millimeterwave radiation images while improving model performance,thus making the networks training more stable.Finally,the millimeterwave radiation image was deblurred in an endtoend manner.The results demonstrate that,when compared with the existing image deblurring methods,this method eliminates the blur better while retaining the detailed information,and provides better qualitative and quantitative results.

关 键 词：图像处理 图像去模糊 编解码器 多尺度 深度学习 

分 类 号：TP391.[自动化与计算机技术—计算机应用技术]