深度RL去模糊网络

饱和像素可恢复

用学习到的潜在映射对饱和像素建模，在统一框架下迭代估计潜在图像和潜在映射，无需手工设计平滑函数。

陈亮 · Zhang, Jiawei · 李振华 · Yunxuan, Wei · 方发明 · Ren, Jimmy S. · 潘金山

International Journal of Computer Vision 2023

技术优势

饱和像素也能恢复

用学习到的潜在映射对饱和像素建模，替代手工平滑函数，避免经验参数不当导致的失真。

去模糊不放大伪影

通过先验估计网络获得先验信息并集成进RL迭代，抑制振铃和噪声放大。

真实图像也有效

在合成和真实图像上定量定性均优于现有算法，不依赖仿真假设。

应用场景

• 低光图像增强：可恢复饱和区域细节，提升暗光照片质量。
• 计算摄影：嵌入相机ISP管线，改善高光溢出模糊。
• 自动驾驶视觉：夜间车灯、路灯饱和导致模糊时，恢复清晰道路信息。
• 医学影像处理：对低剂量成像中高亮饱和伪影去模糊，保留诊断细节。