Blind Super-Resolution With Iterative Kernel Correction论文阅读笔记

文章发表于CVPR 2019
论文地址：http://arxiv.org/abs/1904.03377

目前绝大部分图像超分辨率算法，假设图像退化（LR图像获得）过程中的下采样模糊核是预先定义或已知的，如bicubic下采样，这类算法在应用于实际应用时，如果模糊核是复杂或未知时，图像超分辨效果会大大降低。文中，提出了Iterative Kernel Correction（IKC）迭代核校正算法用于盲图像超分辨率问题的模糊核估计，此外，作者还提出了一有效的图像超分辨网络结构SFTMD，使用spatial feature transform (SFT）空间特征转换层来处理不同模糊核。

Blind Super-Resolution：盲超分辨，假设图像的退化核函数是未知的。其问题公式化定义如下：

图像超分辨问题，在模糊核不匹配时，SR效果会造成过于模糊或产生振铃效应的后果，只有在模糊核匹配时，才会有较好的图像超分辨效果，如下图，右上部分过模糊，左下部分振铃效应，对角线上是较好的图像超分辨效果。

为了正确估计出模糊核，提出校正函数C
<