基于深度先验的盲图像去模糊算法

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.