论文笔记：自然图像的卷积去模糊Convolutional Deblurring for Natural Imaging

ieee论文地址： 自然图像的卷积去模糊

前言

本文提出了一种新的图像去模糊方法，采用一次卷积滤波的形式，可以直接对自然模糊的图像进行复原，将一个反卷积核作为FIR偶导数滤波器的线性组合，这可以直接与模糊的输入图像相结合，以促进与光学模糊点扩散函数（PFS）的频率下降。

本文还提出了一种盲方法来估计两个高斯和拉普拉斯模型的PFS统计量，这两个模型在组多图像传递中很常见。并且设计了完整的实验来测试和验证方法的有效性，使用了2054个自然模糊图像、六个成像应用程序和七种先进的反卷积方法。

知识与现有问题

模糊原理

许多模糊是由于图像采集过程中的光学配置不足造成的，一束光线通过光学设备后会扩散到一个图像域内而不是汇集到一个图像点，这种现象称为点扩散（PSF），相应的观测模型通常由线性卷积表示：

其中fB是模糊图像，fL是潜在锐化图像（需要恢复的图像），hPSF是相关联的PSF内核，η是噪声。
当PSF给定时，成为非盲恢复，否则成为盲恢复。

本文将图像反卷积问题归结为一次卷积滤波问题，重点研究了如何正确矫正PSF中的下降频率，主要分为两个步骤：
首先通过对傅里叶域模糊图像的尺度空间分析，推断出先验PSF模型，在假设自然图像的频率下降下，我们将高斯和拉普拉斯两种模型下的PSF统计量盲目估计为广义高斯分布的变体。
第二步是通过在频域中拟合一系列多项式，将其等价表示为FIR导数滤波器的线性组合，给出了解模糊逆PSF的闭形解。

相关工作

本文中总结了七