基于深度图像与核先验的图像反卷积
计算机视觉与模式识别
2022-11-28 v1
摘要
图像反卷积是恢复卷积退化图像的过程，由于其数学上的不适定性，一直是一个困难的反问题。基于最近提出的深度图像先验（DIP）的成功，我们构建了一个具有深度图像与核先验（DIKP）的图像反卷积模型。DIP是一种无学习的表示，它使用神经网络结构来表达图像先验信息，并在许多基于能量的模型中表现出巨大成功，例如去噪、超分辨率、修复。相反，我们的DIKP模型在图像反卷积中使用此类先验来对图像和核进行建模，将传统的无学习反卷积方法与神经网络的思想相结合。在本文中，我们表明DIKP提升了无学习图像反卷积的性能，并在六幅标准测试图像的标准基准上通过PSNR和视觉效果进行了实验验证。
引用
@article{arxiv.1910.08386,
title = {Image Deconvolution with Deep Image and Kernel Priors},
author = {Zhunxuan Wang and Zipei Wang and Qiqi Li and Hakan Bilen},
journal= {arXiv preprint arXiv:1910.08386},
year = {2022}
}
备注
In Proceedings of the 2019 IEEE International Conference on Computer Vision Workshops (ICCVW)