用于低光图像去模糊的深度Richardson-Lucy反卷积
计算机视觉与模式识别
2023-08-11 v1
摘要
低光条件下拍摄的图像常同时包含模糊与饱和像素。对含饱和像素的图像去模糊极具挑战性。由于动态范围有限，饱和像素在成像过程中通常被截断，因此无法由线性模糊模型建模。先前方法使用人工设计的平滑函数近似截断过程，其去模糊过程常需经验定义的参数，而这些参数对不同图像未必是最优选择。本文提出一种数据驱动方法，通过学习的潜图对饱和像素建模。基于新模型，非盲去模糊任务可表述为最大后验(MAP)问题，可通过迭代计算潜图与潜图像有效求解。具体而言，潜图由图估计网络(MEN)学习得到，潜图像估计过程由基于Richardson-Lucy(RL)的更新方案实现。为估计无放大伪影的高质量去模糊图像，我们设计了先验估计网络(PEN)获取先验信息，并进一步集成至RL方案中。实验结果表明，在合成与真实世界图像上，所提方法在定量与定性上均优于当前最先进算法。
引用
@article{arxiv.2308.05543,
title = {Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring},
author = {Liang Chen and Jiawei Zhang and Zhenhua Li and Yunxuan Wei and Faming Fang and Jimmy Ren and Jinshan Pan},
journal= {arXiv preprint arXiv:2308.05543},
year = {2023}
}
备注
Accepted by IJCV