非盲图像复原综述

摘要：

非盲图像复原在数学上是一种典型的病态问题,也是计算机视觉领域的重要研究内容之一,其目标是在点扩散函数已知的情况下,由模糊图像估计出清晰图像,其研究重点是在改善图像清晰度和抑制噪声之间做出适当的折衷.近50年来,非盲图像复原取得了长足的发展,从早期的维纳滤波到当前的深度学习,学者们提出了数以百计的非盲图像复原算法,并应用在各个领域.本文首先介绍非盲图像复原的基本概念和研究意义,然后依据算法的属性对非盲图像复原算法进行分类概括,从总体上将其分为传统方法和深度学习方法,又进一步将传统方法细分为直接法和迭代法,并依据不同算法的模型特征,分析不同类别中主要算法的优缺点,同时结合多种典型实验,比较分析了一些代表性算法的复原性能,最后展望了非盲图像复原算法的发展趋势,归纳了重点研究方向.

关键词：非盲图像复原、图像先验、直接法、迭代法、深度学习

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

资助基金：中国科学院青年创新促进会项目No.2020220

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共19页

页码：954-972