迭代残差图像去卷积
计算机视觉与模式识别
2018-11-06 v2
摘要
图像去模糊，亦称图像去卷积，从由模糊退化引起的像素叠加中恢复清晰图像。很少有深度卷积神经网络（CNN）能成功解决该任务。本文中，我们首先证明图像去模糊的最小均方误差（MMSE）解可有趣地展开为一系列残差分量。基于该分析，我们提出一种新颖的迭代残差去卷积（IRD）算法。进一步，IRD激励我们向前一步，设计一种可解释且高效的用于图像去卷积的CNN架构。具体而言，部署一串残差CNN单元，将其中间输出拼接并整合，得到拼接残差卷积网络（CRCNet）。实验结果表明，与最先进的方法相比，所提出的CRCNet不仅取得了更好的定量指标，还恢复了视觉上更可信的纹理细节。
引用
@article{arxiv.1804.06042,
title = {Iterative Residual Image Deconvolution},
author = {Li Si-Yao and Dongwei Ren and Furong Zhao and Zijian Hu and Junfeng Li and Qian Yin},
journal= {arXiv preprint arXiv:1804.06042},
year = {2018}
}
备注
rejected by AAAI 2019