INFWIDE：面向低光条件下非盲图像去模糊的图像与特征空间维纳反卷积网络
计算机视觉与模式识别
2023-02-20 v2 图像与视频处理
摘要
在低光环境下，手持摄影在长曝光设置下会受到严重的相机抖动影响。尽管现有的去模糊算法在曝光良好的模糊图像上已展现出有前景的性能，它们仍无法应对低光快照。复杂的噪声与饱和区域是实际低光去模糊中两个主要的挑战。在本工作中，我们提出一种称为图像与特征空间维纳反卷积网络（INFWIDE）的新型非盲去模糊方法，以系统性地解决这些问题。在算法设计方面，INFWIDE 提出一种双分支架构，其在图像空间中显式去除噪声并补全饱和区域，在特征空间中抑制振铃伪影，并通过精细的多尺度融合网络整合两种互补输出，以实现高质量的夜景照片去模糊。为有效训练网络，我们设计了一组损失函数，将前向成像模型与反向重建相结合形成闭环正则化，以保障深度神经网络良好收敛。进一步，为优化 INFWIDE 在实际低光条件下的适用性，采用基于物理过程的低光噪声模型合成逼真的含噪夜景照片用于模型训练。利用传统维纳反卷积算法的物理驱动特性与新兴深度神经网络的表征能力，INFWIDE 能在去模糊过程中恢复精细细节并抑制不良伪影。在合成数据与真实数据上的大量实验证明了所提方法的优越性能。
引用
@article{arxiv.2207.08201,
title = {INFWIDE: Image and Feature Space Wiener Deconvolution Network for Non-blind Image Deblurring in Low-Light Conditions},
author = {Zhihong Zhang and Yuxiao Cheng and Jinli Suo and Liheng Bian and Qionghai Dai},
journal= {arXiv preprint arXiv:2207.08201},
year = {2023}
}
备注
Accepted by IEEE Trans. Image Process, early access version available at https://ieeexplore.ieee.org/document/10047966