模糊区域的自适应识别以实现精确图像去模糊

图像去模糊旨在从模糊图像中恢复高质量图像。尽管现有的去模糊方法取得了显著进展，但大多数忽略了不同区域的退化程度存在差异这一事实。在本文中，我们提出 AIBNet，一种能够自适应识别模糊区域的网络，从而实现对这些区域的差异化恢复。具体而言，我们设计了一个空间特征差异处理块，其核心是空间域特征增强模块。通过特征差异操作，SFEM 不仅帮助模型聚焦于模糊区域中的关键信息，还消除了隐式噪声的干扰。此外，基于清晰图像与模糊图像之间的差异主要存在于高频分量这一事实，我们提出了一种高频特征选择块。HFSBlock 首先使用可学习滤波器提取高频特征，然后选择性地保留最重要的特征。为充分发挥解码器的潜力，我们使用预训练模型作为编码器，并将上述模块仅整合在解码器中。最后，为缓解训练过程中的资源负担，我们引入了渐进式训练策略。大量实验表明，我们的 AIBNet 在图像去模糊中取得了优越的性能。