NBD-GAP：无需干净目标图像的非盲图像去模糊方法
计算机视觉与模式识别
2022-09-21 v1 图像与视频处理
摘要
近年来，基于深度神经网络的复原方法在各种图像去模糊任务中取得了最优结果。然而，基于深度学习的去模糊网络的一个主要缺陷是，需要大量模糊-干净图像对进行训练才能获得良好性能。此外，当测试时的模糊图像和模糊核与训练时所用差异很大时，深度网络往往表现不佳。这主要是因为网络参数对训练数据的过拟合。在本工作中，我们提出一种解决这些问题的方法。我们将非盲图像去模糊问题视为去噪问题。为此，我们对一对带有相应模糊核的模糊图像执行维纳滤波。这得到一对带有彩色噪声的图像。因此，去模糊问题被转化为去噪问题。我们随后在不使用显式干净目标图像的情况下求解该去噪问题。大量实验表明，我们的方法取得了与最优非盲去模糊工作相当的结果。
引用
@article{arxiv.2209.09498,
title = {NBD-GAP: Non-Blind Image Deblurring Without Clean Target Images},
author = {Nithin Gopalakrishnan Nair and Rajeev Yasarla and Vishal M. Patel},
journal= {arXiv preprint arXiv:2209.09498},
year = {2022}
}
备注
Accepted at ICIP 2022