深度特征维纳反卷积用于均匀离焦盲去模糊

作者：王成曦; 罗晨^*; 周江澔; 邹浪; 贾磊

来源：光学精密工程, 2023, 31(18): 2713-2722.

• 计算机视觉
• 盲去模糊
• 模糊核估计
• 反卷积

工业精密制造中，视觉检测设备的成像系统往往景深较小，易产生离焦模糊，严重影响检测效果。针对这一问题，提出了一种针对于均匀离焦图像的盲去模糊网络（Uniform Defocus Blind Deblur Net,UDBD-Net）。首先，提出一种模糊核估计网络，提取离焦模糊的特征，并准确地估计出模糊核；其次，提出一种反卷积网络，通过神经网络学习并估计基于特征维纳反卷积（Feature-based Wiener Deconvolution,FWD）公式中的未知量，更准确地生成去模糊图像的潜在特征；最后，使用一个编解码网络（Encoder-Decoder Net）增强图像的细节，并去除伪影。实验结果表明，该方法在DIV2K和GOPRO图片上的峰值信噪比（Peak Signal to Noise Ratio,PSNR）分别达到31.16 dB和36.16 dB；与目前主流的方法相比，该方法在不显著增加模型推理时间的同时能够复原出更高质量、更自然地去模糊图像。此外，该方法对真实的均匀离焦模糊图像也有较好的去模糊效果，且能够显著提升工业视觉检测算法对于离焦模糊图像的检测效果。

• 单位
  东南大学