基于双向互补学习网络的散焦模糊检测

散焦模糊检测存在轮廓细节丢失、错分均质清晰区域以及难以处理低对照度渐变区域等诸多问题,针对上述问题,提出一种基于双向互补学习的散焦模糊检测网络,双向学习、逐层融合、互补信息以生成高质量检测结果.双向互补学习网络由特征提取残差模块、双向互补解码子网和融合校正解码子网构成.残差模块提取原始图像的分层级特征;双向互补解码子网同时学习模糊区域和清晰区域的信息,形成互补学习、互补不足;融合校正解码子网则逐层融合成对互补特征图,校正预测误差;此外,所有解码子网均采用分层监督的方式引导网络高效学习.提出的方法在三个公开数据集上F分数分别提升了1.1％、0.1％、1.8％,检测速度达到26.618 fps,超越了现存方法.双向互补学习网络可以有效地挖掘分层级特征和互补标签的信息,快速地生成检测结果.