第４４卷，第４期红外ｈｔｔｐ：／／ｊｏｕｒｎａｌ．ｓｉｔｐ．ａｃ．ｃｎ／ｈｗＩＮＦＲＡＲＥＤ（ＭＯＮＴＨＬＹ）／ＶＯＬ．４４，ＮＯ．４，ＡＰＲ２０２３文章编号：１６７２⁃８７８５（２０２３）０４⁃００３３⁃０９基于多尺度优化和动态特征融合的图像去模糊研究万园园１宋卓达１陈小林１朱鑫鑫２（１．中国科学院长春光学精密机械与物理研究所，吉林长春１３００３３；２．中国人民解放军６３６１８部队，新疆库尔勒８４１０００）摘要：目前采用Ｕ⁃Ｎｅｔ结构的去模糊算法存在细节损失、图像质量欠佳等问题，因此对Ｕ⁃Ｎｅｔ进行改进，提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失，提出一种精简且有效的多尺度残差注意力模块（Ｍｕｌｔｉ⁃ＳｃａｌｅＲｅｓｉｄｕａｌＭｏｄｕｌｅ，ＭＳＲＭ），通过增加特征尺度多样性来提取更精细的图像特征。此外，为了将更有利的特征传递到解码部分，在跳跃连接处设计动态特征融合模块（ＤｙｎａｍｉｃＦｅａｔｕｒｅＦｕｓｉｏｎＭｏｄｕｌｅ，ＤＦＦＭ），采用注意力加权的方式选择性融合不同阶段的编码特征。该算法采用多尺度内容损失和多尺度高频信息损失进行约束训练。在ＧｏＰｒｏ和ＲｅａｌＢｌｕｒ数据集上的实验结果表明，这种方法能有效改善图像质量，复原更丰富的细节信息。与现有去模糊算法相比，本文算法在主观视觉和客观评价等方面均具有一定优势。关键词：图像去模糊；特征加权；多尺度特征；Ｕ⁃Ｎｅｔ结构中图分类号：ＴＰ３９１.４１文献标志码：ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２⁃８７８５．２０２３．０４．００５收稿日期：２０２２⁃１２⁃０９作者简介：万园园（１９９６⁃），江西南昌人，硕士，主要从事图像处理与深度学习方面的研究。Ｅ⁃ｍａｉｌ：ｓｕｍｉｗａｎ１１２３３＠１６３．ｃｏｍＲｅｓｅａｒｃｈｏｎＩｍａｇｅＤｅｂｌｕｒｒｉｎｇＢａｓｅｄｏｎＭｕｌｔｉ⁃ＳｃａｌｅＯｐｔｉｍｉｚａｔｉｏｎａｎｄＤｙｎａｍｉｃＦｅａｔｕｒｅＦｕｓｉｏｎＷＡＮＹｕａｎ⁃ｙｕａｎ１，ＳＯＮＧＺｈｕｏ⁃ｄａ１，ＣＨＥＮＸｉａｏ⁃ｌｉｎ１，ＺＨＵＸｉｎ⁃ｘｉｎ２（１．ＣｈａｎｇｃｈｕｎＩｎｓｔｉｔｕｔｅｏｆＯｐｔｉｃｓ，ＦｉｎｅＭｅｃｈａｎｉｃｓａｎｄＰｈｙｓｉｃｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｃｈａｎｇｃｈｕｎ１３００３３，Ｃｈｉｎａ；２．Ｕｎｉｔ６３６１８ｏｆ...
