Микроскопическое визуальное измерение широко применяется в таких областях, как микроассемблирование. Под влиянием глубины резкости и других факторов изображение может иметь множественную размытость, что влияет на последующие точные измерения. Хотя технология автоматической микроскопической фокусировки может смягчить проблему размытости, она занимает много времени и трудно соответствует требованиям высокоэффективного производства. В данной статье предложена энд-ту-энд модель удаления размытия, объединяющая определение степени размытости и многоветвистое восстановление, основанная на стратегии разделения и завоевания: сначала изображение разделяется на группы подизображений, которые одновременно подаются в дискриминатор и сеть восстановления; в дискриминаторе с помощью преобразования Фурье получают распределение в частотной области, затем с помощью сети Vision-Transformer извлекают глубинные размытые характеристики с глобальной связностью из частотной области, после чего выдаётся определение степени размытости. В зависимости от результата дискриминации многоветвистая сеть восстановления направленно восстанавливает подизображения с разной степенью размытия, и в конце обрабатываемые подизображения объединяются для получения изображения высокого разрешения. Экспериментальные результаты показывают, что предлагаемая модель эффективно восстанавливает микроскопические изображения с множественной размытостью, точность определения достигает 0.94, а после обработки многоветвистой сетью восстановления средний показатель PSNR повысился на 6.3.

микроассемблирование;микроскопическое зрение;определение степени размытости;обработка в частотной области