南京邮电大学学报(自然科学版)

作者：李海波,邵文泽

单位：瑞典皇家理工学院 计算机科学与通信学院，斯德哥尔摩10044/南京邮电大学 通信与信息工程学院，江苏南京210003南京邮电大学 通信与信息工程学院，江苏南京210003/南京理工大学 高维信息智能感知与系统教育部重点实验室，江苏南京210094

关键词：盲去模糊；反卷积；变分贝叶斯；最大后验；深度神经网络；超分辨率

基金：国家自然科学基金(61771250,61972213,11901299)和中央高校基本科研业务费专项资金(30918014108)资助项目

图像盲去模糊不仅是低层视觉领域的基础性问题，同时也是计算成像领域的前沿性课题。由于实际模糊成像过程的模糊核往往复杂多变、不易参数化，探讨不受限图像非参盲去模糊具有显而易见的现实意义。然而时至今日，在恢复模型的直观性以及估计算法的精确性、鲁棒性和时效性均衡方面，现有方法依然未能给出令人信服的答案。为了进一步推动该领域的深入研究，文中从空间不变非参盲去模糊这个根本性问题出发，对当前基于变分贝叶斯(Variational Bayes)、最大后验估计(Maximum a Posterior)以及深度表示学习(Deep Representation Learning)的代表性方法作了简要、清晰的回顾。同时，对于该领域今后值得重点解决的关键科学问题进行了相关展望。最后，结合图像超分辨这个与非参盲去模糊密切相关的前沿问题进行了延伸讨论。

来源：2020年第5期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2020年第5期