.png){kind=icon}
返回
A Fast Nonlinear Sparse Model for Blind Image Deblurring
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging11100327.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
盲图像去模糊，需要同时估计潜在图像和模糊核，构成了一个经典的病态问题。为解决这一问题，基于L2、L1和Lp正则化的先验已被广泛采用。在此基础上，结合以往工作的成功经验，本文引入了LN正则化，一种通过非线性耦合结合Lp和L∞范数的新型非线性稀疏正则化。统计分析表明，LN正则化比传统的L2、L1和Lp正则化等正则化方法实现了更强的稀疏性。此外，基于LN正则化，我们提出了一种新型的非线性稀疏模型用于盲图像去模糊。为优化所提出的LN正则化，我们引入了自适应广义软阈值（AGST）算法，并通过将AGST与半二次分割（HQS）策略相结合，进一步开发了一种高效的优化策略。在合成数据集和真实图像上进行的大量实验表明，所提出的非线性稀疏模型在保持竞争力的计算效率的同时，实现了更优的去模糊性能。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
3.3
论文数:
1.1K
被引数:
4.4K
机构
引用论文
Tensor Convolution-Like Low-Rank Dictionary for High-Dimensional Image Representation用于高维图像表示的张量卷积类低秩字典
PREAI
分享收藏Ghost-Unet: multi-stage network for image deblurring via lightweight subnet learningGhost-Unet: 通过轻量级子网学习实现图像去模糊的多级网络.png)
VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏
查看更多内容