题目:Deep Convolutional Neural Network for Image Deconvolution
DCNN
作者:Li Xu,
2014年
作者将优化方法和深度学习方法结合实现解卷积,并公布了相关源码。
主要
非盲解卷积,也是去噪的
评价:PSNR
数据集:自己生成的
模型:一个解卷积CNN+去噪CNN,单独训练
loss:MES
摘要
许多与图像相关的基本问题涉及反褶积算子。真实的模糊退化由于相机噪声、饱和度、图像压缩等原因,很少符合理想的线性卷积模型。我们开发了一个深度卷积神经网络来捕捉退化特性,而不是从生成模型的角度来完美地建模异常值,这是相当具有挑战性的。我们注意到直接应用现有的深度神经网络不会产生合理的结果。
我们的解决方案是在传统的基于优化的方案和神经网络体系结构之间建立联系,在神经网络体系结构中引入一种新颖的、可分离的结构作为可靠的支持,来对伪影进行鲁棒反褶积。我们的网络包含两个子模块,都以监督的方式进行训练,并进行适当的初始化。与以前的基于生成模型的方法相比,它们在非盲图像反褶积方面具有良好的性能。