图像盲去模糊综述:从变分方法到深度模型以及延伸讨论

摘要：

图像盲去模糊不仅是低层视觉领域的基础性问题,同时也是计算成像领域的前沿性课题.由于实际模糊成像过程的模糊核往往复杂多变、不易参数化,探讨不受限图像非参盲去模糊具有显而易见的现实意义.然而时至今日,在恢复模型的直观性以及估计算法的精确性、鲁棒性和时效性均衡方面,现有方法依然未能给出令人信服的答案.为了进一步推动该领域的深入研究,文中从空间不变非参盲去模糊这个根本性问题出发,对当前基于变分贝叶斯(Variational Bayes)、最大后验估计(Maximum a Posterior)以及深度表示学习(Deep Representation Learning)的代表性方法作了简要、清晰的回顾.同时,对于该领域今后值得重点解决的关键科学问题进行了相关展望.最后,结合图像超分辨这个与非参盲去模糊密切相关的前沿问题进行了延伸讨论.

关键词：盲去模糊、反卷积、变分贝叶斯、最大后验、深度神经网络、超分辨率

所属期刊栏目：40

分类号：TN911.73;TP391.41

资助基金：国家自然科学基金;中央高校基本科研业务费专项资金

在线出版日期：2020-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：84-94