.png){kind=icon}
返回
Deep constrained multi-frame blind deconvolution with learned regularizations
.png){kind=icon}
PRE
AI
DOI：10.1364/AO.576616.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多帧盲去卷积（MFBD）是一种广泛使用的图像复原技术，旨在补偿大气湍流引起的波前畸变。它基于有限的先验信息，利用手工设计的正则化方法，交替估计原始图像和对应的点扩散函数（PSFs），这可能导致结果不稳定且推理过程耗时。为提高效率和效果，我们针对空间目标图像复原任务提出了一种端到端可训练的网络。在该网络中，使用约束最小二乘滤波器在观测图像的深度特征上执行交替估计，其中平滑滤波器通过特征自适应学习获得。遵循MFBD的常见做法，我们设计了两个卷积神经网络模块，分别用于PSFs估计和去卷积过程。这两个模块通过反复循环以恢复清晰图像。为训练我们的网络，构建了一个大规模训练数据集，以使其能够应用于实际湍流场景。大量实验表明，所提出的方法对高分辨率空间目标图像复原具有鲁棒性和有效性。(c) 2025 Optica Publishing Group. All rights, including for text and data mining (TDM), Artificial Intelligence (AI) training, and similar technologies, are reserved.
Keyword:
multi-frame blind deconvolution
deep learning
image restoration
point spread function estimation
adaptive regularization
期刊
A
IF:
1.7
论文数:
1.0K
被引数:
5.1W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容