Aug, 2023

低光图像去模糊的深层 Richardson-Lucy 解卷积

PDF
TL;DR在本文中，我们开发了一种数据驱动方法来对饱和像素进行建模，并提出了基于学习的潜变量映射进行非盲目去模糊处理的最大后验 (MAP) 问题，可通过迭代计算潜变量映射和潜变量图像来有效解决。为了提高去模糊图像的质量并避免加大伪影，我们开发了先验估计网络 (PEN) 来获取先验信息，并将其融入到 RL 方案中。实验结果表明，所提出的方法在合成图像和真实世界图像上在定量和定性方面都表现出色，优于现有的算法。
发现论文，激发创造
  • 移动光场相机 Richardson-Lucy 去模糊

    通过高级光场渲染方法将 Richardson-Lucy 去模糊算法扩展到 4-D 光场中，成功实现了无需深度估计即可处理 6 个自由度相机运动引起的模糊，且加入新颖的正则化项以削弱噪声和振铃，因此在 3-D 复杂场景下得到了显著的效果。

    Jun, 2016

  • 基于 FFT-ReLU 的盲图像去模糊及其深度学习管线集成

    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

  • 使用深度先验进行神经盲反卷积

    本文提出了两个生成网络分别为清晰图像和模糊核建模的深度先验，并提出了一种无约束神经优化解决盲解卷积问题的方法 SelfDeblur，实验结果表明相较于现有的盲解卷积方法，SelfDeblur 在定量和视觉上都取得了令人瞩目的成果。

    Aug, 2019

  • 非盲图像去模糊的端到端可解释学习

    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

  • 利用多尺度潜在结构先验进行单张图像盲去模糊

    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

  • LUCYD: 一种特征驱动的 Richardson-Lucy 去卷积网络

    本篇论文提出了一种基于 Richardson-Lucy deconvolution 公式和全卷积网络特征融合的 LUCYD 方法来改善显微镜图像质量和图像恢复效果，该方法可以在降低计算成本和保持高度可解释性的情况下，比现有技术在真实和合成显微镜图像方面都实现了更好的表现，并可以用于各种显微镜模态和不同成像条件。

    Jul, 2023

  • 盲目图像超分辨率的深度约束最小二乘法

    本文提出一种盲图像超分辨率的新方法，使用重新构建的退化模型和两个新模块，通过对内核估计和内核基于高分辨率图像恢复的改进，实现更好的准确性和视觉改进，并在多个基准测试中进行了验证。

    Feb, 2022

  • 学习盲图像去模糊的判别先验

    本文提出了一种基于数据驱动的判别性先验的有效盲图像去模糊方法，通过深度卷积神经网络学习得到的固定分类器可以帮助在不同场景下的图像去模糊，同时使用半二次分离法和梯度下降算法解决非线性问题。

    Mar, 2018

  • LDP: 基于语言的双像素图像离焦去模糊网络

    从双像素（DP）对中恢复带有视差相关模糊的清晰图像是一项具有挑战性的任务。我们提出了第一个引入对比语言 - 图像自训练框架（CLIP）实现的无监督 DP 对模糊图估计的框架，通过精心设计的文本提示使 CLIP 能够理解 DP 对中与模糊相关的几何先验知识。在获得估计的模糊图之后，我们引入了一个模糊先验注意块、一个模糊加权损失和一个模糊感知损失来恢复全焦点图像。我们的方法在广泛的实验中达到了最先进的性能。

    Jul, 2023

  • 利用深度生成先验的盲图像去卷积

    该论文提出了一种使用深度生成网络作为先验进行盲图像去卷积（盲去模糊）的新方法，通过使用两个单独的生成模型以及卷积网络，我们提出了一种交替梯度下降方案，可在较大的模糊和噪声下获得有希望的去模糊结果，最终在更加多样化的自然图像数据集上获得了扩展应用。

    Feb, 2018