计算机应用研究

作者：崔浩然,苗壮,王家宝,余沛毅,王培龙,

单位：陆军工程大学指挥与控制工程学院,南京210007；

关键词：大气湍流,退化图像复原,深度学习,注意力机制,

基金：江苏省自然科学基金资助项目；；

大气湍流是影响远距离成像质量的重要因素。虽然已有的深度学习模型能够较好地抑制大气湍流引起的图像像素几何位移与空间模糊，但是这些模型需要大量的参数和计算量。为了解决该问题，提出了一种轻量化的基于生成逆推的大气湍流退化图像复原模型，该模型包含了去模糊、去偏移和湍流再生成三个核心模块。其中，去模糊模块通过高维特征映射块、细节特征抽取块和特征补充块，抑制湍流引起的图像模糊；去偏移模块通过两层卷积，补偿湍流引起的像素位移；湍流再生成模块通过卷积等操作再次生成湍流退化图像。在去模糊模块中，设计了基于注意力的特征补充模块，该模块融合了通道注意力机制与空间混合注意力机制，能在训练过程中关注图像中的重要细节信息。在公开的Heat Chamber与自建的Helen两个数据集上，所提模型分别取得了19.94 dB、23.51 dB的峰值信噪比和0.688 2、0.752 1的结构相似性。在达到当前最佳SOTA方法性能的同时，参数量与计算量有所减少。实验结果表明，该方法对大气湍流退化图像复原有良好的效果。

来源：2024年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第1期