基于注意力殘差編解碼網絡的動態場景圖像去模糊

楊飛璠，李曉光，卓 力

（北京工業大學 信息學部，北京 100124）

引言

模糊是圖像退化的主要降質因素之一，在圖像采集的過程中，由于受到相機抖動、圖像場景深度變化及物體運動等因素影響，往往會出現模糊退化現象。由于動態場景下的模糊圖像復原通常是模糊核非均勻的病態逆問題，這使得模糊圖像盲復原技術成為一個極具挑戰性的計算機視覺問題。

傳統的模糊圖像盲復原方法[1-6]往往需要對模糊核作出假設，利用自然圖像的先驗信息復原清晰圖像。大部分傳統方法的研究主要集中于解決簡單的目標運動、相機平移、旋轉等因素產生的運動模糊，對于解決實際情況下由復雜因素引起的模糊仍有較大困難。

卷積神經網絡（convolutional neural network，CNN）以其強大的特征學習能力使計算機視覺任務性能得到極大的提高。近年來，提出了基于CNN 的去模糊算法。早期基于學習的算法[7-9]遵循傳統方法的去模糊步驟，使用CNN 代替傳統方法來估計未知的模糊核。Schuler 等人[7]采用由粗到精的方式，采用多個CNN 網絡迭代優化模糊圖像。Sun 等人[8]和Yan 等人[9]將模糊核參數化，通過分類和回歸分析對模糊核進行估計。這類算法的圖像復原質量取決于模糊核估計的準確性，一旦模糊核估計錯誤往往使復原效果不佳。現在越來越多的方法開始采用端到端的深度網絡直接學習模糊圖像與清晰圖像之間的映射關系。Nah 等人[10]設計了一個多尺度網絡，以迭代的方式提取圖像的多尺度信息，逐步復原清晰圖像。……