联合深度先验图像去模糊方法

针对现有深度学习图像去模糊方法依赖大量训练数据的问题，从图像先验信息出发，提出一种联合深度先验图像去模糊方法。用自编码-自解码网络和全连接网络，分别对潜像和模糊核的深度先验进行建模，在去模糊模型中加入TV(Total Variation)正则化和冲击滤波进行改进，从而提高方法的抗噪性能，增强复原图像细节，最后通过联合优化得到清晰图像。实验结果表明，该方法可以在不依赖大量训练数据的基础上进行图像去模糊，在公开数据集上获得的峰值信噪比值为29.24dB,结构相似度值为0.862,与其他方法相比在真实模糊图像上去模糊效果更好。