基于相机运动子空间的人脸图像非均匀去模糊

由于在相机拍摄的人脸中往往会存在较大的模糊,为了有效去除人脸图像的抖动模糊,提出一种基于非均匀去模糊与人脸特殊属性相结合的人脸图像去模糊方法。首先研究非均匀去模糊的原理,并提出通过约束相机运动子空间的方法来估计出相机与人脸之间的相对运动路径。再根据人脸的特殊属性,通过对清晰人脸训练得到一组清晰的人脸字典,建立人脸的先验知识。最后利用得到的非均匀模糊核和人脸字典对模糊人脸图像进行去卷积。实验结果表明,提出的方法相对于现有的去模糊算法可以得到更清晰的人脸图像,对后续的人脸识别有很大的辅助作用。

基于CA-Res2Net和可变形卷积的图像去模糊方法

针对动态场景下的非均匀运动模糊问题,提出了一种基于细粒度多尺度注意力残差模块(CA-Res2Net)和可变形卷积(Deformable Convolution)的图像去模糊方法CADNet。CADNet以可变形卷积自编码结构为基础架构,进而可以更好地对抗模糊形变;同时CADNet嵌入了细粒度多尺度的残差模块,可以在更细粒度的层次上表示图片的多尺度特征信息,从而可以获得更强的特征表示能力。实验结果表明,CADNet是一种高效的去模糊算法,在获得更高去模糊性能的同时,压制住了计算开销。