针对图像盲去模糊的可微分神经网络架构搜索方法

缪 斯，祝永新

（中国科学院上海高等研究院，上海 201210）

0 概述

图像盲去模糊是在运动轨迹未知的情况下将模糊图像转变为清晰图像的过程，在生活和安防等领域有广泛的应用，例如修复拍摄时因手抖而模糊的照片，以及去除监控中物体的运动模糊，提升监控清晰度。图像模糊分为两种：均匀模糊和非均匀模糊。若图像的各个像素运动轨迹相同（例如相机抖动），则称为均匀模糊，反之若像素的运动轨迹不同（例如物体移动），则称为非均匀模糊。

传统的图像去模糊方法，例如基于零范数先验［1-2］、暗通道先验［3-4］和LMS 自适应［5］的算法，通过交替估计清晰图像和模糊轨迹去模糊。其中，模糊轨迹通常使用一个二维的卷积核表示。这种方法去除大面积的均匀模糊有很好的效果。然而，真实世界中的模糊大部分是非均匀的，使用二维的卷积核表示非均匀的模糊轨迹会有较大的误差，因此传统算法在去除非均匀模糊时表现欠佳。

近年来，神经网络的方法在图像复原领域的应用取得了较大进展。文献［6］提出使用深度学习的方法提取特征图，再利用模糊图像和清晰图像的特征图估算模糊核。此后一些研究者开始探索不需要模糊核估计的端到端卷积神经网络。文献［7］提出了一个简单的全卷积网络用于去除文本图像的模糊。文献［8］提出了一个多层的神经网络并将其运用于自然图像处理。文献［9］提出了基于LSTM［10］的多层神经网络。文献［11］提出了DeblurGAN，一种基于对抗生成网络（GAN）［12］的去模糊神经网络。……