基于深度学习的图像去模糊算法研究与应用.pdf

天津师范大学硕士学位论文

摘要

图像已经成为现代社会中人们获取和传递信息的重要方式之一。然而，在

日常的生活场景中，由于各种各样的因素总会不可避免地导致图像中存在模糊。

图像中模糊的存在会破坏图像中有用的信息，造成重要细节信息的丢失。这不

仅会严重影响到人们的视觉效果和体验，甚至会直接影响智能交通、精准医疗、

安防监控等领域的应用。如何利用计算机将模糊图像恢复为清晰图像，已经成

为一个具有实际应用研究价值的课题。然而，在图像去模糊算法研究中，很多

研究人员通过复杂的网络结构来提升图像去模糊算法的效果，这一定程度上造

成了网络具有复杂的网络结构，尽管图像去模糊效果得到了提升，但忽视了算

法的速度，并且未充分考虑图像中模糊分布不均匀的情况。同时，大多数图像

去模糊数据集都是针对日常生活场景，在医学图像处理领域中，这一方面相关

数据集和工作还很少。针对上述问题，本文的主要创新工作如下：

（1）提出一个基于特征注意力的多阶段图像去模糊模型，采用通道注意力

和像素注意力机制，将更多注意力集中在模糊像素和重要的通道信息中，有效

地解决了图像模糊分布不均匀问题。在编码器和解码器之间引入空洞残差块和

上下文模块，将空洞卷积和残差相结合，上下文模块采用并行空洞卷积，有效

地增大网络的感受野并能更好地捕获多尺度上下文信息，仅通过简单的结构就

能实现较好的图像去模糊效果。在GoPro数据集上进行实验，结果表明，该模

型的不仅峰值信噪比达到30.51、处理速度也大幅提升，达到0.035s，视觉效果

得到了很好的提升。

（2）提出一个多阶段医学X光图像去模糊模型，该模型采用深度过参数卷

积代替常规卷积操作加速网络训练，通过组合不同空洞率的空洞卷积获得丰富

感受野，融合多尺度信息，有效地避免了图像在处理过程中网格效应的产生。

并将该模型应用到胸部X光图像去模糊实践中，极大的提高了肺炎检测的准确

率和召回率，并有助于对病灶位置进行更加精准的定位。构建了一个胸部X光

图像去模糊数据集，用于对网络模型进行训练。实验结果表明，该模型的峰值

信噪比达到37.789，结构相似性为0.958。通过肺炎检测算法对去模糊网络复原

后的图像进行测试，证明了该算法的有效性。

关键词：图像去模糊；深度学习；多阶段；肺炎检测

天津师范大学硕士学位论文

Abstract

Imagehasbecomeoneoftheimportantwaysforpeopletoobtainandtransmit

informationinmodernsociety.However,indailylifescenes,duetovariousfactors,

therewillinevitablybeblurringintheimage.Theexistenceofblurringinanimagecan

destroyusefulinformationintheimage,resultinginthelossofimportantdetails.This

willnotonlyseriouslyaffectpeoplesvisualeffectsandexperience,butalsodirectly

affectapplicationsinfieldssuchasintelligenttransportation,precisionmedicalcare,

andsecuritymonitoring.Howtousecomputerstorestoreblurredimagestoclear

imageshasbecomeatopicofpracticalapplicationresearchvalue.However,inthe

researchofimagedeblurringalgorithms,manyresearchersusecomplexnetwork

structures