估计图像对间相对高斯模糊核的计算框架
计算机视觉与模式识别
2026-01-27 v1
摘要
继 \cite{ASaa2026} 中对高斯模型的早期验证之后，本文引入了一种零训练前向计算框架，以实现该模型在实时应用中的部署。该框架基于从较清晰图像中解析计算散焦图像的离散表达式，适用于高斯核标准差的应用范围，并选择最佳匹配。该解析表达式在某些图像点产生多个解，但通过在相邻点上使用相似性度量将其筛选为单一解。该框架的结构设计用于处理两幅给定图像互为部分模糊版本的情况。对真实图像的实验评估表明，所提出的框架在估计合成模糊值时，平均绝对误差（MAE）低于 。此外，通过将提取的散焦滤波器应用于较不模糊的图像，实际模糊图像强度与其对应估计值之间的偏差保持在 以下。
引用
@article{arxiv.2601.18099,
title = {Computational Framework for Estimating Relative Gaussian Blur Kernels between Image Pairs},
author = {Akbar Saadat},
journal= {arXiv preprint arXiv:2601.18099},
year = {2026}
}
备注
9 pages, 14 input images, 3 TikZ images. arXiv admin note: substantial text overlap with arXiv:2601.04779. substantial text overlap with arXiv:2601.04779. substantial text overlap with arXiv:2601.04779. substantial text overlap with arXiv:2601.04779