摘要：在拍摄远距离目标时， 视频序列图像受到大气湍流的影响从而产生畸变和模糊， 为对视频序列大气湍流退化图像进行复原， 提出了一种幸运成像与生成对抗网络相结合的方法. 采用空域幸运成像方法， 在有限的视频序列图像中挑选出幸运区域， 拼接-排序后进行叠加， 从而消除大气湍流带来的几何畸变; 在此基础上引入DeblurGAN-v2模型， 进一步提升图像质量. 将高速相机拍摄的真实湍流退化图像作为研究对象， 采用所提方法进行实验， 并与图像重采样、灰度变换、巴特沃斯高通滤波、MPRNet模型和DeblurGAN模型等方法进行对比， 并通过客观评价指标对不同方法的结果进行评估. 实验结果表明， 所提方法的Brenner梯度函数、Laplacian梯度函数、灰度差分函数(SMD)、熵函数(Entropy)、能量梯度函数(Energy)、PIQE以及Brisque指标相较于其他方法分别提升了291%， 66%， 127%， 10%， 74%和159%. 从主观效果上看， 幸运成像与生成对抗网络相结合的方法能显著地提高图像的视觉质量， 并有效降低图像的模糊和几何畸变程度.
文章目录
1 本文方法
1.1 本文流程
1.2 基于改进的Sobel算子的幸运图像挑选
1.3 图像叠加
1.4 基于GAN的模糊图像复原
1.5 对比实验图像质量评价函数
2 实验结果与分析
2.1 幸运图像挑选结果与分析
2.2 图像叠加结果与分析
2.3 基于DeblurGAN-v2图像重建实验结果与分析
2.4 对比实验结果与分析
3 结 语
