图像拍摄过程中会不可避免地产生由相机抖动或物体运动引发的图像模糊问题。针对该问题,提出了一种基于图像边缘判别机制的盲图像去模糊方法,以恢复图像并使之具有清晰的边缘。首先,提出一个PNet子网,将模糊图像作为输入并利用数据驱动的方式进行判别学习,直到网络收敛。将模糊图像再次输入到训练收敛的PNet子网的生成器中,可得到去模糊图像,并将此图像记作边缘弱化图像。其次,提出一个DNet子网,将模糊图像和边缘弱化图像输入到DNet子网中进行训练,得到的训练收敛的DNet生成器即为图像去模糊模型。此外,提出边缘重建函数和图像语义内容损失函数用于约束图像的边缘和语义信息。最后,提出图像边缘判别的目标损失函数,使得DNet子网的判别器在完成生成图像与标签图像真假判别的同时,还完成对边缘弱化图像和标签图像的进一步判别,因此图像边缘信息的判别学习得到了强化。实验结果表明,所提方法能够有效地恢复大幅度模糊图像和运动引起的模糊图像,这证明了边缘判别机制对图像边缘恢复的重要作用。

为提升不同颜色水下图像的增强效果,提出一种基于条件生成对抗网络的水下图像增强方法。该网络在生成模型中加入残差密集块中的残差模块,其密集级联和残差连接可以提取图像的特征信息,改善梯度消失现象;在目标函数中增加两种新的损失函数建立网络模型,使得增强后的图像与输入图像的内容和结构保持一致。实验结果表明,所提方法对不同颜色水下图像的增强效果优于现有算法,具有更好的视觉效果。