纪佳奇，卢振坤，熊福棚，张甜，杨豪

基于多级跳跃残差组的运动人像去模糊网络

纪佳奇，卢振坤*，熊福棚，张甜，杨豪

（广西民族大学 电子信息学院，南宁 530006）（ ∗ 通信作者电子邮箱lzk06@sina.com）

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题，提出了基于多级跳跃残差组生成对抗网络（GAN）的运动人像去模糊方法。首先，改进残差块以构造多级跳跃残差组模块，并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征；其次，使用多损失融合的方法优化网络，从而增强重建后图像的真实纹理；最后，采用端到端的模式将运动模糊的人像图像进行盲去模糊操作，并输出清晰的人像图像。在CelebA数据集上的实验结果表明，相较于DeblurGAN（Deblur GAN）、尺度循环网络（SRN）和MSRAN（Multi-Scale Recurrent Attention Network）等基于卷积神经网络（CNN）的方法，所提方法的峰值信噪比（PSNR）和结构相似度（SSIM）分别至少提高了0.46 dB和0.05；同时，所提方法的模型参数更少，修复速度更快，且复原后的人像图像具有更多的纹理细节。

图像去模糊；盲去模糊；生成对抗网络；多级跳跃残差组；多损失融合

0 引言

拍摄人像图像时容易产生运动模糊，主要原因是在相机的短曝光时间内，相机与拍照对象产生了相对运动。单幅运动图像去模糊问题是指在给定一幅运动模糊图像的情况下，估计未知的清晰图像。图像去模糊问题分为两种类型：盲去模糊和非盲去模糊。早期的方法主要是非盲去模糊，即假设模糊系数已知，采用Lucy-Richardson算法［1］、Wiener或Tikhonow滤波器等进行去卷积操作，但是实际情况中模糊图像的模糊核通常是未知的。……