来源：期刊VIP网 时间：
作者：宣文静;张欣玥;
单位：湖北工程学院新技术学院;
摘要：政务数据中包含大量图像数据，这些图像在记录关键信息时具有至关重要的作用。然而，政务图像中常出现的模糊现象为信息的提取和利用带来了极大的困扰。为处理这一难题，提出一种基于GAN的模糊图像复原算法（GovRGAN）。该算法利用GAN实现图像复原，可有效学习并恢复图像的细节信息，其结构主要分为生成器和判别器两部分。首先，利用已训练的U-Net权重参数为GAN的生成器进行预训练。随后，采用卷积神经网络作为判别器，区分真实图像与生成器生成的图像。为了验证算法的有效性，构建一个包含1 500张发票凭证的政务数据集，旨在为模型提供充足且多样的训练样本。此外，还使用了运动模糊和焦点模糊进行退化处理，使数据更贴近现实中的模糊图像。而后在该数据集上，将GovRGAN与AutoEncoder网络、U-Net做对比实验，验证了GovRGAN在复原政务模糊图像方面展现出出色的性能，复原后的图像质量得到了显著提升。特别是在运动模糊数据集上，与U-Net相比，所提算法的PSNR和SSIM值分别提高了9.664 dB和0.157。
关键词：政务数据处理;;模糊图像复原;;生成对抗网络;;卷积神经网络;;AutoEncoder网络;;U-Net网络
