多重退化图像复原算法研究与应用.pdfVIP

摘要

摘要

高清图像在现代人的生活中扮演着举足轻重的角色。但是，在图像生成的一

系列过程中，存在着各种可能降低图像质量的因素，因此获取高清图像不仅需要

掌握专业的技巧，还需投入巨大的资源。借助图像复原算法将低质量图像复原成

高质量图像是目前最简单、经济的方案，也是计算机视觉领域的一大研究热点。

当前大多数的图像复原方法都聚焦单一退化因素（如低像素、模糊、噪声等），但

在现实生活中图像往往受到多种复杂退化的影响，这使得现有的图像复原方法在

多重退化场景下泛化性很差，复原效果往往不理想。本文以深度学习技术为手段，

针对多重退化场景下的图像复原任务展开研究，主要的成果和创新点总结如下：

（1）针对多重退化图像复原问题，本文基于特征融合和多尺度学习提出了一

种包含双分支结构的多重退化图像复原模型HAMIR。在模型设计的过程中，本文

重点关注了多阶段特征融合、全局特征与局部特征融合、空间域特征与频率域特

征融合这几种策略；通过引入结构重参数化技术，增强网络的多尺度感知能力。另

外，本文还搜集整理了一系列能够提升模型性能的技巧，并逐一验证分析，旨在

帮助科研人员简化模型实现的繁琐过程，提高研究效率。实验结果表明，本文提

⋆

出的HAMIR和HAMIR在PSNR指标上分别优于次优模型0.24dB、0.46dB。

（2）鉴于深度学习模型在实际应用时常常受到算力与内存资源的限制，本文

致力于开发出一种轻量级的图像复原模型以满足现实需求。在深入分析了HAMIR

的模型复杂度后，本文针对性地进行了优化改进，提出了MSAMIR。该模型摒弃

了传统的Softmax和Sigmoid激活函数，并通过引入可学习偏置矩阵以及多尺度注

意力来弥补模型在非线性表达能力上的潜在损失。此外，本文还设计了一种多尺

度特征学习模块，减少计算量和内存占用的同时，进一步强化模型的多尺度学习

能力以及对频率信息的感知能力。实验结果表明，MSAMIR在PSNR指标上仅次

于HAMIR0.1dB，但参数量、FLOPs、推理时间分别降低了33.3%、38.1%、40.3%。

（3）为了探索多重退化图像复原模型在实际生活中的应用，我们着手设计了

两个实验：一是针对真实拍摄的多重退化图像进行复原，旨在验证我们提出的模

型在真实场景下的有效性；二是将多重退化图像复原算法作为遥感目标检测任务

的预处理方法，以评估其是否能够提升低质弱小目标的可检测性。这两个实验充

分证实了多重退化图像复原算法在实际应用中的前景。

关键词：多重退化，图像复原，特征融合，多尺度学习，注意力机制

I

ABSTRACT

ABSTRACT

High-definitionimagesplayanimportantroleinmodernpeople’slives.However,

duringtheimagegenerationprocess,existingavarietyoffactorscanreduceimagequality.

Asaresult,obtaininghigh-qualityimagesnecessitatesnotonlyprofessionalexpertisebut

alsosignificantresources.Usingimagerestorationalgorithmstoobtainhigh-qualityim-

agesiscurrentlythemostsimpleandcost-effectivesolution,aswellasamajorresearchfo-

cusincomputervision.Mostimagerestorationmethodsconcentrateonsingledegradation

factor(suchaslowresolution,blurring,noise,etc.).However,imagesareoftenaffected

bymultiplecomplexdegradationinr