基于卷积神经网络的复合退化估计与复原
计算机视觉与模式识别
2018-12-27 v1
摘要
从单一图像退化类型(如模糊、雾效、随机噪声和压缩)进行的图像复原已被研究数十年。然而,实际中的图像退化往往是多种退化类型的混合。此类复合退化使复原复杂化,因为它们需要区分不同的退化类型与程度。本文中,我们提出一种卷积神经网络(CNN)模型,用于估计给定退化图像的退化属性。此外,我们引入一种以估计的退化属性作为输入的的图像复原 CNN 模型。实验结果表明,所提出的退化估计模型能成功推断复合退化图像的退化属性。所提出的复原模型可通过利用估计的退化属性来复原退化图像,并能实现盲复原与非盲复原。
引用
@article{arxiv.1812.09629,
title = {Estimation and Restoration of Compositional Degradation Using Convolutional Neural Networks},
author = {Kazutaka Uchida and Masayuki Tanaka and Masatoshi Okutomi},
journal= {arXiv preprint arXiv:1812.09629},
year = {2018}
}