Advances in Computer and Autonomous Intelligence Research

针对管道检测机器人行进与旋转扫描中产生的运动模糊问题,提出一种面向管道场景的分阶段渐进式图像去模糊方法。针对管道内壁线性运动模糊与旋转模糊并存的特点,构建了包含真实采集与合成配对样本的模糊数据集,并提供模糊类型标签。在此基础上,设计三级渐进式复原网络：首先通过模糊感知模块提取共享特征并判别模糊类型；其次构建线性与旋转去模糊分支,在自适应路由与加权融合机制下实现按机理的多分支复原；最后利用U-Net-like模块对高频纹理与边缘进行细节增强。实验结果表明,该方法在测试集上PSNR、SSIM和FSIM分别达到30.82dB、0.901和0.928,召回率和mAP50分别达到86.4%和89.1%,均优于Wiener、RL、盲去卷积及SRN-DeblurNet等对比方法。研究表明,该方法能有效提升管道图像清晰度、结构保真度与缺陷可辨识性,具有较好的工程应用价值。