[论文阅读]Blind Image Deblurring Using Dark Channel Prior

已于 2024-02-01 21:31:19 修改
阅读量1k 收藏 13
点赞数 17
文章标签： 人工智能 计算机视觉
于 2024-02-01 21:30:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_52786387/article/details/135982471
版权
作者提出了利用暗通道稀疏性进行图像去模糊的方法，通过理论证明了模糊过程对暗通道的影响，并采用L0正则化增强稀疏性。实验结果显示在低光和复杂场景下有优秀性能，且方法可扩展至非均匀模糊情况。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

[论文阅读]Blind Image Deblurring Using Dark Channel Prior

作者提出了一种基于暗通道先验的图像去模糊方法，这种方法并不是基于深度学习的。

本文贡献

  1. 从理论上证明了模糊卷积运算增加了暗通道像素的值；
  2. 作者使用3200对干净和模糊图像对的数据集来验证关于暗通道稀疏性的分析；
  3. 引入L0正则化项增强图像暗通道的稀疏性，并提出了一种有效的优化方案；
  4. 在文本、人脸和低光等去模糊任务中，取得了优秀的性能。

笔记

  1. 暗通道稀疏度的变化是模糊过程的固有属性，作者通过数学方法证明了这一点。
    实际上，限定 0 ≤ 卷积核的元素 ≤ 1 0\leq 卷积核的元素 \leq 1 0
最低0.47元/天 解锁文章
《Single Image Blind Deblurring Using Multi-Scale Latent Structure Prior》
m0_74102890的博客
07-05 1097
问题定义：盲图像去模糊是计算机视觉中的一个挑战性问题，目标是从仅模糊的观测中恢复出模糊核和潜在的锐利图像。方法：本文提出了一种新颖的多尺度潜在结构先验（MSLS），用于从粗到细的尺度上恢复锐利图像，并逐步更新先验图像。算法：算法包括两个阶段：首先在粗糙尺度上预先恢复锐利图像，然后在最精细尺度上进行细化以获得最终去模糊图像。结果：实验表明，该算法在速度和效果上与现有方法相比具有竞争力。
Blind Image Deblurring Using Dark Channel Prior论文阅读
最新发布
yangqoor的博客
05-19 1308
DIxmin⁡y∈Nxmin⁡c∈rgbIcyDIxy∈Nxmin​c∈rgbmin​Icy其中NxNx是以像素xxx为中心的局部邻域，IcI^cIc是图像的第ccc个颜色通道。
Blind Image Deblurring Using Dark Channel Prior
Weyoung_的博客
05-28 3593
Abstract     我们的工作受到了模糊图像的暗通道是不稀疏的这一观察的启发。大部分图像在被模糊时会对暗通道的稀疏性产生影响，因此，对暗通道施加稀疏约束有助于图像的盲去模糊。但是暗通道的稀疏约束会产生非凸、非线性的问题优化问题，我们引入a linear approximation of the min operator来计算暗通道。Introduction    盲图像去模糊意在从一张模糊图...
CVPR 2018 | 使用CNN生成图像先验，实现更广泛场景的盲图像去模糊
weixin_33919941的博客
04-01 1127
现有的最优方法在文本、人脸以及低光照图像上的盲图像去模糊效果并不佳，主要受限于图像先验的手工设计属性。本文研究者将图像先验表示为二值分类器，训练 CNN 来分类模糊和清晰图像。实验表明，该图像先验比目前最先进的人工设计先验更具区分性，可实现更广泛场景的盲图像去模糊。 简介 盲图像去模糊（blind image deblurring）是图像处理和计算机...
论文阅读笔记之——《Learning a Discriminative Prior for Blind Image Deblurring》
gwpscut的博客
05-10 3249
先给出论文链接（https://arxiv.org/pdf/1803.03363v1.pdf） 本文是关于盲去模糊问题。之前做了很长一段时间的盲复原，始终没有得到很好的inspiration，希望这篇论文能有所启发~ 本文基于data-driven discriminative prior.（数据驱动的先验鉴别），将imageprior作为二进制分类器（CNN），先验的学习（learned ...
【Learning a Discriminative Prior for Blind Image Deblurring】阅读笔记
既脱春火的博客
08-31 654
CNNMAP。
图像去模糊（1）——Blind Image Deblurring with Local Maximum Gradient Prior（CVPR2019 论文笔记）
a3197326227的博客
08-29 6787
Blind Image Deblurring with Local Maximum Gradient Prior （CVPR 2019）本文信息AbstractIntroductionRelated WorkContributionsLocal Maximum Gradient PriorProposed ModelProposed AlgorithmEstimate Latent ImageEs...
Image deblurring via extreme channels prior 代码解析(二)
Type真是太帅了
12-28 1770
三、 2.6调用的threshold_pxpy_v1函数（cho_code文件夹中） 函数格式 function [px, py, threshold]= threshold_pxpy_v1(latent,psf_size,threshold) 三个输入参数潜在图像latent、模糊核大小psf_size和阈值threshold，输出参数px、py和threshold 3.1 判断是否传入threshold参数（2.6 未传入，而？传入），如果未传入，则设置为0，并b_estimate_thres
Secret of blind image deblurring?
iMengyi-AI-2016
06-28 2286
Blind deblurring from single image is a very hot research topic in the filed of low-level vision with significant applications in CCTV surveillance for public safety, ADAS for intelligent transportant
Blind Motion Deblurring Using Image Statistics翻译
11-13
摘要 我们解决由一些运动对象引起的单一图像的盲去运动模糊的问题。在这样的情况下，可能只有图像的一部分是模糊的，并且场景含有不同程度层的模糊。大部分存在的盲去卷积研究致力于从整个图像中恢复出一个简单的模糊核。然而，在不同运动的情况下，模糊不能被建模为一个单一的模糊核，并且尝试使用同样一个模糊核去卷积整幅图像将会引起严重的伪影。因此去模糊的任务需要涉及图像切割把图像分为不同模糊核的区域。 我们的方法依赖于图像上的梯度滤波器的统计特性被模糊严重改变这一观点。假设由一个匀速运动引起的模糊，我们可以把调查局限于一维箱式过滤器模糊。这使我们能够把期望的梯度分布建模为一个关于模糊核宽度的函数。这些分布在区别不同模糊的区域方面功能出奇的强大。该方法在含有丰富纹理的现实世界的图像产生具有说服力的去卷积结果。
Image Super-Resolution using Gradient Profile Prior代码
12-01
发表在CVPR2008年，使用梯度场先验超分辨率的代码，欢迎各位下载！
L0正则化盲运动去模糊的GPU实现
03-10
L0正则化盲运动去模糊的GPU实现
图像模糊论文
04-26
图像模糊论文，自己整理的，来自知网，希望能够大家
Unsupervised Single Image Dehazing Using DarkChannel Prior Loss（使用暗通道先验损失的无监督单图像去雾）
w18226357716的博客
05-13 1441
概述： 由于收集匹配的清晰和模糊图像的固有限制，基于先验和基于学习的方法诉诸于综合数据的训练; 由室内图像和相应的深度信息构建。在处理室外场景时，这可能会导致域转移。我们提出了一种通过最小化众所周知的暗通道先验 (DCP) 能量函数的完全无监督的训练方法。我们不使用合成数据向网络提供，而是仅使用真实世界的户外图像，并通过直接最小化DCP来调整网络的参数。尽管我们的 “深度DCP” 技术可以被视为DCP的快速逼近器，但它实际上可以显着改善其结果。这表明通过网络和学习过程获得了额外的正则化。实验表明，我们的方
Image deblurring via extreme channels prior 代码解析(一)
Type真是太帅了
12-28 3042
文章《Image deblurring via extreme channels prior》源自2017年CVPR，代码地址：https://sites.google.com/site/renwenqi888/research/deblurring/ecp 为了和代码对照，把论文中的重要知识点整理了一下： 1.作者提出的模型： （10） D(l)和B(l)分别代表潜在图像l的暗通道和亮通道。 2.亮通道： （2） Ω(x)表示以x为中心的区域。 暗通道：把上式的两个m...
Image deblurring via extreme channels prior 代码解析(三)
Type真是太帅了
12-28 1762
七、6.2调用的dark_channel函数 首先判断暗通道范围是否为奇数，然后对输入图像I进行四周边界扩充，类似于重复边界，这样扩充后的I进行暗通道计算时无需考虑边界值情况（比如位于第一列、第一行等）。遍历获得每一个暗通道块patch，找块在三个颜色通道（如果是彩色的话）的最小值，记作J，最小值的位置记作J_index。 function [J, J_index] = dark_channel(I, patch_size) % function J = dark_channel(I, patch_s
【资源】图像/视频去噪近几年文章及代码
hoppipolla
12-17 4594
转自github：https://github.com/subeeshvasu/Awesome-Deblurring 下载不了的小伙伴可以在评论call我，我帮你们下。 Single-Image-Blind-Motion-Deblurring (non-DL) [-] 2006-TOG - Removing camera shake from a single photograph. [Paper...
暗通道先验去雾《Single Image Haze Removal Using Dark Channel Prior》
weixin_43646592的博客
02-21 6621
 本文讲述的是何恺明大神的论文，基于暗通道先验的单图像去雾算法： 《Single Image Haze Removal Using Dark Channel Prior》–09年CVPR最佳论文  论文下载地址：点击进入  去雾效果：  首先作者是统计了五千多副图像的特征，验证了暗通道先验理论的普遍性。 暗通道先验：  在绝大多数的非天空图像区域中，一些像素总会有至少一个颜色通道具有很低的值。  暗通道的数学定义如下：  式中Jc表示彩色图像的每个通道 ，Ω(x)表示以像素X为中心的一个窗口。  公式含
图像去模糊
u011489887的专栏
07-03 2980
1.使用CNN生成图像先验，实现更广泛场景的盲图像去模糊http://cvmart.net/community/article/detail/206
"Superpixel-based Deblurring Using DeblurGAN-v2"
05-14
"Superpixel-based Deblurring Using DeblurGAN-v2" is a paper that proposes a method for removing blurs from images using a deep learning algorithm called DeblurGAN-v2. The method uses superpixels, which are small regions of an image with similar pixel properties, to improve the accuracy of the deblurring process. The algorithm is trained on a dataset of blurred and sharp image pairs, learning to generate sharp images from blurry ones. The method was shown to outperform existing state-of-the-art deblurring algorithms on benchmark datasets.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值