用于盲图像去模糊的深度算法展开
图像与视频处理
2019-05-30 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
盲图像去模糊一直是一个备受关注的课题。基于学习的方法，特别是采用神经网络的方法，已成为传统基于模型方法的补充，并在许多情况下实现了大幅提升的性能。尽管如此，神经网络方法通常是经验性设计的，其底层结构难以解释。近年来，一种名为算法展开的有前途的技术被开发出来，该技术有助于将诸如稀疏编码中的迭代算法与神经网络架构联系起来。然而，对于盲图像去模糊，尚未建立这种联系。在本文中，我们基于这一思想提出了一种神经网络架构。我们首先提出一种迭代算法，该算法可被视为传统全变差正则化方法在梯度域的推广。然后，我们展开该算法以构建用于图像去模糊的神经网络，我们将其称为盲去模糊深度展开（Deep Unrolling for Blind Deblurring, DUBLID）。关键算法参数借助训练图像进行学习。我们提出的深度网络 DUBLID 在获得显著实用性能提升的同时，兼具可解释性。大量实验结果表明，DUBLID 优于许多 state-of-the-art 方法，并且计算速度更快。
引用
@article{arxiv.1902.03493,
title = {Deep Algorithm Unrolling for Blind Image Deblurring},
author = {Yuelong Li and Mohammad Tofighi and Junyi Geng and Vishal Monga and Yonina C. Eldar},
journal= {arXiv preprint arXiv:1902.03493},
year = {2019}
}