联合深度去噪先验图像盲去模糊

摘要：

目前,基于统计先验的图像去模糊方法对噪声敏感,细节恢复能力有限,而基于先验学习的算法对图像及其模糊类型、噪声水平等适应性较差.针对上述问题,基于图像模糊前后像素直方图统计,首先提出一种简单有效的低值像素先验.然后针对现有方法对图像去模糊后出现大量噪声或伪影等问题,设计深度卷积神经网络学习图像深度去噪先验,并联合低值像素先验、梯度稀疏先验提出新的去模糊模型.同时,在模糊核估计过程中,利用图像分解方法分离出图像的结构层,并在结构层估计模糊核,获得更为准确的估计结果.大量实验结果表明,本文算法不仅具有很好的细节恢复能力,且对图像及其模糊类型、噪声水平等更具稳健性.与现有主流算法相比,本文方法优势明显.

关键词：图像处理、盲去模糊、统计先验、深度去噪先验、卷积神经网络、模糊核估计

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2018-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：135-143