基于非局部稀疏重加权的盲去卷积
计算机视觉与模式识别
2014-06-17 v2
摘要
盲去卷积在过去十年中取得了显著进展。大多数成功的算法被归类为变分法或最大后验 () 法。尽管变分技术具有优越的理论依据，但精心构建的 算法在实践中已被证明同样有效。在本文中，我们表明所有成功的 和变分算法都共享一个共同的框架，依赖于以下关键原则：梯度域中的稀疏性提升、用于核估计的 正则化，以及凸（通常是二次）代价函数的使用。我们的观察结果导致了对成功盲去卷积所需原则的统一理解。我们将这些原则融入一种新算法中，该算法显著优于现有技术。
引用
@article{arxiv.1311.4029,
title = {Blind Deconvolution with Non-local Sparsity Reweighting},
author = {Dilip Krishnan and Joan Bruna and Rob Fergus},
journal= {arXiv preprint arXiv:1311.4029},
year = {2014}
}
备注
19 pages