-
题名联合深度去噪先验图像盲去模糊
被引量：7
- 1
-
-
作者
杨爱萍
王金斌
杨炳旺
何宇清
-
机构
天津大学电气自动化与信息工程学院
-
出处
《光学学报》
EI
CAS
CSCD
北大核心
2018年第10期135-143,共9页
-
基金
国家自然科学基金(61472274
61632018)
-
文摘
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
-
Keywords
image processing
blind deblurring
statistical prior
deep denoising prior
convolutional neural network
blurring kernel estimation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
