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片中恢复一个模糊核和一个潜在的图像。这是一个典型的图像与信号处理问题。相机抖动无法避免,造成的图像模糊通常是我们不希望的。当捕捉的瞬间短暂难以重现时,对高质量图像去模糊就很重要了。
模糊图像可以如下表示:
,
B,I,k和n表示模糊图像,潜在图像,模糊核和噪声,为卷积操作。因为只有B是已知的,我们需要同时恢复I和k。这个问题是高度病态的,因为许多不同的I和k会得出相同的B,例如模糊图像和delta模糊核。
为了使得盲去模糊容易解决,现有的方法通常对模糊核,潜在图像或者两者都作出假设。上述自然图像模型对特定图像的泛化并不好,例如人脸,text和低光照的图像。
我们提出了一个去模糊的算法,在自然图像与特定图像上都实现了有竞争力的结果。我们的工作是基于模糊过程的如下观察:模糊图像的暗通道(局部区域内的最小值)是不那么暗的。直觉上,模糊过程中当暗像素与近邻内高强度的像素平均时,它的强度是增加的。我们从理论上和经验上都证明了这种性质是许多模糊的图像都具有的。这促使我们提出了L0正则化项来最小化恢复图像的暗通道。在恢复过程中,这个新的项有利于清晰图像而不是模糊图像。
优化这个新的L0正则的暗通道项是一个挑战。L0范数是高度非凸的,优化设计到非线性的最小化操作。我们提出了一个近似线性操作based on look-up tables for the min operator,然后通过half-quadratic splitting methods(半二次分裂法)来解这个线性的L0最小化问题。该方法在实践中收敛的很快,自然地可以被延伸到非均匀模糊的任务。