3 个月前

自然图像去模糊的非自然 L0 稀疏表示

自然图像去模糊的非自然 L0 稀疏表示

摘要

本文表明,以往基于最大后验(MAP)的模糊去除方法之所以取得成功,部分原因在于其各自中间步骤隐含或显式地生成了一种不自然的图像表示,其中包含显著的图像结构。为此,我们提出了一种广义且数学上严谨的 L₀ 稀疏表达形式,以及一种新颖高效的运动去模糊方法。所提出的系统在优化过程中无需额外的滤波操作,且具有快速的能量下降特性,因此仅需少量迭代即可实现收敛。该方法还为均匀与非均匀运动去模糊提供了一个统一的框架。我们对所提方法进行了广泛验证,并在收敛速度、运行时间及结果质量等方面与现有方法进行了对比,充分展示了其优越性。

基准测试

基准方法指标
deblurring-on-realblur-r-trained-on-goproXu et al
SSIM (sRGB): 0.937

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
自然图像去模糊的非自然 L0 稀疏表示 | 论文 | HyperAI超神经