陈清江,胡倩楠,李金阳
(西安建筑科技大学 理学院,陕西 西安 710055)
近年来,随着手机等移动设备的普及,拍照成为了记录生活的主要方式。但不可避免地会出现相机抖动、物体移动等问题,获取的图像出现模糊现象,严重影响后续图像的使用。除了日常生活中的照片,图像模糊退化还会发生在刑事侦察、视频监控、卫星成像等[1-2]方面,故图像去模糊技术具有重大的研究意义和应用价值。
图像去模糊通常分为两类,非盲去模糊[3]和盲去模糊[4]。早期的研究大多致力于非盲去模糊[3],即模糊核已知。但在真实应用场景中模糊图像的模糊核往往是未知的。传统方法[5]大多基于统计先验和正则化技术去除图像模糊,常见图像先验包括梯度稀疏先验[6]、低秩先验[7]等。但传统基于统计先验的去模糊方法采用的图像先验大多是假设的,存在假设不正确、细节丢失等问题。近年来,深度学习已广泛应用于解决计算机视觉问题,例如图像识别[8]、图像分类[9]等问题。Xu等[10]提出基于卷积神经网络的图像去模糊方法,但该算法在去模糊过程中丢失了图像的细节纹理信息。Hradi等[11]提出基于卷积神经网络的图像去模糊算法,但该算法只适用于文本图像。Su等[12]提出基于卷积神经网络的视频去模糊方法,但该算法不适用单幅图像去模糊。Nah等[4]提出一种多尺度卷积网络,遵循传统的“从粗到细”的网络框架逐渐恢复出更高分辨率的清晰图像,该算法获得了较好的效果,但计算量大,运行速度较慢。……