南京邮电大学学报(自然科学版)

作者：武婷婷,万少杰

单位：南京邮电大学 理学院，江苏 南京 210023南京邮电大学 理学院，江苏 南京 210023

关键词：图像去模糊；深度学习；多尺度；细节增强；特征融合

基金：国家自然科学基金（61971234）和江苏省研究生科研与实践创新计划项目（KYCX23_0960）资助项目

近年来，多层网络在图像去模糊领域取得了较大进展，但其性能受限于特征提取和残差连接。为解决这些问题，提出了一种多尺度融合网络（MultiScale Feature Extraction and Fusion Network，MSFN）用于图像去模糊，通过多尺度输入与输出，增强了对图像特征的提取能力。MSFN 利用其特征自适应细节增强（Adaptive Detail Enhancement，ADE）模块和跨尺度特征融合（CrossScale Feature Fusion，CSFF）模块，在不同网络深度上捕获不同尺度的特征，优化了特征提取过程，并有效融合了多尺度信息。实验结果表明，所提出的算法在定量分析上表现出色，并且在主观视觉效果上也得到了显著提升，这些结果充分证明了所提网络的卓越性能。

来源：2025年第05期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第05期