基于深度先验的盲图像去模糊算法

作     者：白勇强 禹晶 李一秾 肖创柏 BAI Yong-qiang;YU Jing;LI Yi-nong;XIAO Chuang-bai

作者机构：北京工业大学信息学部北京100124 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2023年第51卷第4期

页      面：1050-1067页

核心收录：

学科分类：0710[理学-生物学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：北京市自然科学基金(No.4212014) 北京市教育委员会科技计划(No.KM201910005029)。 

主　　题：盲图像去模糊 深度先验 卷积神经网络 正则化 盲解卷积 图像复原 

摘      要：盲图像去模糊旨在模糊核未知的情况下从模糊图像恢复清晰图像,这是一个欠定逆问题,需要引入图像先验信息限定解空间.受到SelfDeblur的启发,本文提出了一种基于深度先验的盲图像去模糊算法,结合深度网络与正则化模型对清晰图像与模糊核联合建模,交替迭代估计清晰图像与模糊核.在图像估计子问题中,模糊核参与RGB三通道损失函数的约束下,利用隐含图像平滑性约束的深度卷积神经网络DIP-Net生成清晰图像;在模糊核估计子问题中,直接求取模糊核正则化约束模型的全局极小解,不同于SelfDeblur的全连接网络使用梯度下降法更新模糊核.本文算法结合深度网络实现正则化方法,与监督学习相比,无需成对的模糊/清晰图像数据集训练网络;与传统模型方法相比,无需通过多级金字塔的方式由粗到细地估计模糊核.在模拟与真实模糊图像上的实验结果表明;本文算法能够快速、准确地估计出清晰图像和模糊核,并能够有效抑制图像复原过程中存在的噪声放大问题.