基于深度先验的盲图像去模糊算法OACSTPCD

盲图像去模糊旨在模糊核未知的情况下从模糊图像恢复清晰图像,这是一个欠定逆问题,需要引入图像先验信息限定解空间.受到SelfDeblur的启发,本文提出了一种基于深度先验的盲图像去模糊算法,结合深度网络与正则化模型对清晰图像与模糊核联合建模,交替迭代估计清晰图像与模糊核.在图像估计子问题中,模糊核参与RGB三通道损失函数的约束下,利用隐含图像平滑性约束的深度卷积神经网络DIP-Net生成清晰图像;在模糊核估计子问题中,直接求取模糊核正则化约束模型的全局极小解,不同于SelfDeblur的全连接网络使用梯度下降法更新模糊核.本文算法结合深度网络实现正则化方法,与监督学习相比,无需成对的模糊/清晰图像数据集训练网络;与传统模型方法相比,无需通过多级金字塔的方式由粗到细地估计模糊核.在模拟与真实模糊图像上的实验结果表明;本文算法能够快速、准确地估计出清晰图像和模糊核,并能够有效抑制图像复原过程中存在的噪声放大问题.