通过模糊核空间探索图像去模糊
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
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
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
提出了一种具有半盲视觉效果的无监督图像去模糊算法,利用定制且未经训练的深度神经网络提出一种数据集自由的深度残差先验方法来解决内核误差的挑战,通过交替极小化算法对模型进行优化,该方法相比数据驱动和模型驱动方法具有更高的图像质量和内核误差鲁棒性。
Oct, 2022
本篇论文提出了一种用于图像去模糊的简单而高效的算法,其通过预处理 Richardson 解算器,使用模糊核和自然图像先验核的近似逆滤波器,以卷积的形式代替通用的线性预处理器,可以实现图像间高效的参数共享;同时利用 CNN 嵌入学习预处理器与辅助变量的 proximal operator,进一步提高了算法的鲁棒性与准确性,使其成为非盲目图像去模糊领域中性能更出色的算法。
Jul, 2020
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
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
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
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