论文部分内容阅读
针对现有的基于传统算法的图像恢复技术无法有效地恢复出高质量图像问题,本文提出了基于深度学习技术的图像恢复方法。对现有的图像恢复网络进行改进,总体网路模型基于生成对抗网络,其中生成网络总体结构基于UNet网络,对上采样下采样的次数作调整,根据数据集的特点,减少了网络的下采样次数,防止因为网络的层数过多导致的特性信息的流失。特征提取模块中加入密集网络的特征提取模块,在减少网络参数的同时提升提取特征的能力。数据集使用了经过光加密系统后的CGH(Computer Generated Holograms)计算