A machine learning approach for non-blind image deconvolution(泛读)

一.文献名字和作者

    A machine learning approach for non-blind image deconvolution, CVPR2013

   

二.阅读时间

    2014年10月20日

三.文献的贡献点

    文献主要提出了一种非盲图像的反卷积方法，非盲图像表示作者是已经知道PSF和模糊图像，要求理想图像的过程，主要的步骤有两个：1.普通的反卷积过程；2.降噪的过程。作者和其他方法的区别主要在于第二个步骤，其他的方法使用的去模糊方法往往忽略了由于反卷积引进来的图像畸变，所以去模糊效果不好，而作者使用了多层感知器作为降噪的过程，能够获得比较好的效果。

    作者说明了和直接使用原始模糊图像和清晰图像作为训练集训练DNN相比，使用直接放卷积之后的图像和清晰图像作为训练集训练DNN，能够获得更好的效果。

    这篇文献提出的方法有个缺陷，那就是训练出来的DNN只能处理一种类型的PSF，对于不用的PSF需要训练多个DNN，因此，无法用在运动模糊图像中，因为运动模糊图像每一个图像都有一个PSF。同时，文献的主要约束在于PSF估计的过程，因此，可以考虑将PSF估计的过程和降噪的过程合并在一起，以提高性能。

版权所有，欢迎转载，转载请注明出处，谢谢