融合DenseNet的多尺度图像去模糊模型

刘万军，张正寰，曲海成

辽宁工程技术大学 软件学院，辽宁 葫芦岛125105

图像去模糊在计算机视觉界占有重要地位，也是图像增强领域的核心内容。通常是在图像的成像过程中，拍摄相机等由于抖动、长时间曝光以及失焦等原因，无法清晰捕获到目标物体，从而导致最终呈现出来的图像质量大幅度减退，无法达到使用标准。为此，图像去模糊算法得以产生并发展，其目的是将原始的模糊图像通过算法处理，逐步恢复出清晰潜像，进而使最终的清晰图像能够直接被利用。对画质复原的需求促进了去模糊技术的探索与进步，并逐步在动态场景[1]中应用，包括医疗成像、航空拍摄、刑事侦查、交通抓拍和监控分析在内的众多行业领域无不需要该项技术的支撑。

近年来去模糊研究已经分化出多个理论分支，主要有：（1）基于滤波的去模糊算法，该算法主要以逆滤波法、维纳滤波等为主；（2）基于统计的去模糊算法，该方法主要通过求取条件概率最大化，进行图像修复，如采用变分贝叶斯原理的复原算法；（3）基于正则化的去模糊算法，低质量图像可看成模糊算子在真实图像上卷积加噪声形成，因此可以将复原当作其逆运算来处理，鉴于出现的模糊矩阵病态程度较高，可将其复原看成是在求解大规模病态逆问题的模型。这就需要正则化约束[2]来解决，基于正则化[3]的研究方法也是学者们研究的重点；（4）基于GAN的去模糊算法，在GAN被提出之后，研究人员将其引入到去模糊中并获得了成功。……