从显著结构估计核以实现鲁棒的运动去模糊
本文对图像去模糊技术的最新发展,包括非盲目/盲目、空间不变/变异去模糊技术进行了综述,通过分析现有方法如何处理去模糊任务中的病态问题,将现有方法分为五类:贝叶斯推断框架、变分方法、稀疏表示方法、单应性建模和区域方法。虽然这些方法已经取得了一定的发展,但是图像去模糊,特别是盲目情况下,受到复杂的应用条件的限制,使得模糊核很难获取。本文针对这一问题进行了系统的综述,并提出了未来的发展方向。
Sep, 2014
研究了一种使用神经网络进行盲运动去模糊的新方法,该网络通过学习预测一个去卷积滤波器的复傅里叶系数来计算从未知运动核产生的模糊图像。该方法在GPU硬件上的并行性能优异,并且展现出接近现有最先进迭代方法的精度和鲁棒性。
Mar, 2016
本文研究了基于MAP优化的盲反卷积方法,提出了一种改进的能量函数,更清晰地揭示了盲反卷积的工作方式,并且说明该能量函数在特定条件下实际上可以支持正确的解决方法,为比较不同的模糊核的质量提供了一种方法,并且在选择模糊核的大小、使用光线估计模糊核和估计焦点方面也有应用。
Nov, 2016
本文针对视频模糊问题,提出了一种基于语义分割,利用不同的运动模型来指导光流估计,并考虑了像素级别的非线性模糊核模型,能够更好地描述复杂的运动模糊,并且在对抗其他先进方法的实验中表现良好。
Aug, 2017
本文介绍了一种基于图的盲图像去模糊算法,该算法通过将图像块解释为加权图上的信号来解决盲图像去模糊问题。该算法可通过稳健的滤波和尖锐度提升等优秀性能有效恢复出潜在的清晰图像,并在质量和数量上优于现有的方法。
Feb, 2018
本文提出了一种基于自相关的相位图像的频域方法,直接从运动模式中提取高质量的模糊核,在加入对模糊核和潜在图像的正则化约束下,优化求解模糊核和清晰图像的问题,从而实现图像去模糊。此方法可处理空间变化和非均匀模糊,并在合成和真实数据上得到了良好的结果。
Nov, 2018
本文介绍了一种基于self-example prior和Multi-Scale Latent Structures的盲图像去模糊算法,该算法在图像金字塔上从粗到细地重建清晰图像,并利用快速本地自匹配、加速的核估计和快速非盲图像去模糊等方法来实现更低的计算复杂度。该算法在处理非均匀盲图像去模糊问题时表现出了竞争性的性能。
Jun, 2019
本文提出一种将清晰模糊图像对数据集中的模糊算子编码到模糊核空间中,并使用交替优化算法进行盲目图像去模糊的方法,该方法不同于基于深度学习的方法,可以处理未见过的模糊核,同时避免使用常见于经典方法中的复杂的手工先验模糊算子。此外,所设计的编码核空间具有完全可微性,可以轻松地应用于深度神经网络模型中,并可用于模糊合成。最后,我们提供了实验结果来证明所提出方法的有效性。
Apr, 2021
基于深度学习的运动模糊估计与非盲解卷积方法的学习式去模糊提供了使用前向退化模型的明确定义规范,同时实现了算法的泛化和可解释性,并通过基于卷积的非均匀运动模糊降级模型进行训练和评估,展示了准确的模糊估计以及优于现有端到端深度学习方法的真实模糊图像恢复效果。
Aug, 2023
图像盲去模糊是从模糊图像中提取出清晰图像和模糊核的过程。本研究提出了一种新的先验(ReLU 稀疏性先验),能够在各种图像分布(自然图像、人脸图像、文本图像、低光图像、饱和图像等)上有效地估计模糊核。我们的方法在PSNR、SSIM和错误比等度量指标上保持高准确性的同时,推断时间比现有方法快三倍。当将我们的方法用作后处理单元时,可观察到在基于深度学习的方法中最先进的架构性能上的显著改进。
Jun, 2024