Multiple Norms and Boundary Constraint Enforced Image Deblurring via Efficient MCMC Algorithm
Multiple Norms and Boundary Constraint Enforced Image Deblurring via Efficient MCMC Algorithm
复制标题
通过高效 MCMC 算法的多重规范和边界约束强制图像去模糊
DOI：
10.1109/lsp.2019.2954001
复制
发表时间：
2020
影响因子：
3.9
通讯作者：
Wang Jiayu
中科院分区：
文献类型：
--
作者：
Xu Jinxin;Li Qingwu;Wang Jiayu
图像非盲去模糊仍然是一个不适定问题。当正演模型矩阵跨越噪声子空间的奇异向量奇异值相当小时，解就会出现不确定性。这封信提出了一种新的图像去模糊算法，称为MNBC-Gibbs（多规范和边界约束强制吉布斯采样）。将二次模和稀疏性诱导模相结合，构造正则化项，在不需要正则化参数选择的情况下，逐步最小化目标函数。特别地，我们提出了一种有效的马尔可夫链蒙特卡罗（MCMC）方法，该方法配备了封闭解，伪影处理和非负约束来近似后验分布并估计未知的不确定性。令人满意的去模糊结果与锐利的边缘可以产生，同时保持平滑，而不会增加额外的噪音。通过对不同模糊核的定量评价和与现有图像去模糊方法的比较，证明了该方法的优越性。此外，我们还证明了该方法可以有效地处理真实的模糊图像。
Image non-blind deblurring is still an ill-posed problem. Uncertainty in solutions occurs when singular vectors of forward model matrix spanning the noise subspace have rather small singular values. This letter proposes a new image deblurring algorithm, called MNBC-Gibbs (multiple norms and boundary constraint enforced Gibbs sampling). To be more specific, the quadratic and sparseness-inducing norms are combined to construct regularization term, and the objective function is gradually minimized without requirement of regularization parameter choice. In particular, we propose an efficient Markov chain Monte Carlo (MCMC) method equipped with closed-form solution, artifacts processing and non-negative constraint to approximate the posterior distribution and estimate uncertainty for the unknown. Satisfactory deblurring results with sharp edges can be generated while maintaining smoothness without raising extra noise. The quantitative evaluations on different blur kernels and comparison with state-of-the-art image deblurring methods demonstrate the superiority of the proposed method. In addition, we show that our method can effectively deal with real blurry images.
登录
查看更多内容
DOI：
--
发表时间：
2013
期刊：
--
影响因子：
--
作者：
J. M. B. Marylesa;J. G. Nagy;J. M. Bardsley;And M. HOWARD;J. G. Nagy
通讯作者：
J. M. B. Marylesa;J. G. Nagy;J. M. Bardsley;And M. HOWARD;J. G. Nagy
DOI：
--
发表时间：
2019-02
期刊：
ArXiv
影响因子：
--
作者：
Byung Hyun Lee;S. Chun
通讯作者：
Byung Hyun Lee;S. Chun
影响因子：
3
作者：
Daubechies, Ingrid;Devore, Ronald;Guentuerk, C. Sinan
通讯作者：
Guentuerk, C. Sinan
DOI：
10.1109/iccphot.2013.6528301
发表时间：
2013-04
期刊：
IEEE International Conference on Computational Photography (ICCP)
影响因子：
--
作者：
Libin Sun;Sunghyun Cho;Jue Wang;James Hays
通讯作者：
Libin Sun;Sunghyun Cho;Jue Wang;James Hays
DOI：
10.1137/18m1220625
发表时间：
2018-11
期刊：
SIAM/ASA J. Uncertain. Quantification
影响因子：
--
作者：
A. Saibaba;Johnathan M. Bardsley;D. Brown;A. Alexanderian
通讯作者：
A. Saibaba;Johnathan M. Bardsley;D. Brown;A. Alexanderian