首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  免费   0篇
教育   1篇
  2023年   1篇
排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
近年来,基于深度学习的方法在图像去摩尔纹任务上取得了巨大成功,但要从摩尔纹图像恢复自然且感知良好的图像仍然具有挑战性。现有的去摩尔纹模型通常依赖空间域损失进行优化。然而,在使用这些损失优化的过程中存在频谱偏差问题,导致高频摩尔纹图案的去除不充分。针对这一问题,提出了一种在傅立叶域进行优化的方法,利用频率信息来增强图像去摩尔纹过程。具体来说,引入傅里叶空间损失对去摩尔纹图像的频率施加限制以指导恢复,帮助去摩尔纹网络更加关注频率一致性。实验结果表明,在利用傅里叶空间损失进行优化后,ESDNet模型的PSNR达到了45.3325dB,实现了1.6%的提升。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号