吉训生，滕 彬

基于生成对抗网络的行人异常行为图像去模糊算法研究

吉训生，滕 彬*

江南大学物联网工程学院，江苏 无锡 214122

为解决在行为异常检测中遇到的运动模糊问题，提出一种基于DeblurGAN改进的快速去运动模糊算法。使用3个3´3的卷积替换原生成器中的7´7的卷积，并舍弃原算法上采样时使用的转置卷积，对需要上采样的特征图进行双线性插值。将原算法生成器结构中的残差单元替换成密集残差块(RRDB)，然后将得到的残差特征缩放到0～1之间的值，避免训练不稳定。在原生成器的损失函数中添加梯度图像的L1损失，增加图像的边缘信息使重建后的图像边缘更明显，克服了DeblurGAN重建图像边缘细节不够清晰的缺陷。经实验验证，并和文献[14]、文献[18]进行比较，结果显示：优化后的模型与DeblurGAN相比，峰值信噪比提高0.94，结构相似度和速度相当，并解决了重建后图像棋盘格子的问题，细节边缘更加突出，模型性能优于相关算法。

生成对抗网络；运动模糊；密集残差块；图像重建

1 引 言

在复杂环境下，如带有运动、失焦等噪声，造成图像质量变差，增加检测识别的难度。传统去模糊方法多是先根据清晰图像的先验假设，估算出运动模糊核，然后与模糊图像进行卷积，用加性噪声去除模糊。但运动模糊核的估计较为复杂，对清晰图像的先验假设也不具备泛化性，很难达到目标。鄢化彪等[1]提出一种基于图像相邻列灰度一致性的算法，融合无参考图像质量评价算子对反卷积后的图像质量进行优化，根据融合的评价指标与图像自变量之间的单峰关系求得复原图像。……