计算机应用研究

作者：张广强,郑津津,丰穗,苏天成,周洪军,

单位：1.中国科学技术大学精密机械与精密仪器系,合肥230026；2.国家同步辐射实验室,合肥230029；

关键词：散焦模糊检测,互补学习,语义特征,结构特征,特征融合,

基金：国家自然科学基金联合基金资助项目(GG2090090072,U1332130,U1713206)；国家自然基金重大仪器专项资助项目(61727809)；安徽省重点研究与开发计划资助项目(1704a0902051)；国家重点研发资助项目(SQ2019YFC010463)；；

散焦模糊检测存在轮廓细节丢失、错分均质清晰区域以及难以处理低对照度渐变区域等诸多问题，针对上述问题，提出一种基于双向互补学习的散焦模糊检测网络，双向学习、逐层融合、互补信息以生成高质量检测结果。双向互补学习网络由特征提取残差模块、双向互补解码子网和融合校正解码子网构成。残差模块提取原始图像的分层级特征；双向互补解码子网同时学习模糊区域和清晰区域的信息，形成互补学习、互补不足；融合校正解码子网则逐层融合成对互补特征图，校正预测误差；此外，所有解码子网均采用分层监督的方式引导网络高效学习。提出的方法在三个公开数据集上F分数分别提升了1.1%、0.1%、1.8%，检测速度达到26.618 fps，超越了现存方法。双向互补学习网络可以有效地挖掘分层级特征和互补标签的信息，快速地生成检测结果。

来源：2022年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第7期