دانلود ترجمه مقاله مات زدایی کور تصویر با دانش پیشین قطعه وفقی

1. مقدمه 2. مدل دانش پیشین قطعه وفقی 3. تخمین کور کرنل 4. نتایج تجربی 5. نتیجه‌گیری

مات‌زدایی کور تصویر، از یک کرنل ماتی تخمین‌زده‌شده از تصویر تخریب‌شده با آثار مات‌شدگی و نویز، برای بدست آوردن تصویر اصلی بازیابی‌شده با ویژگی‌های تیز، استفاده می‌کند. با این حال، این روش بر این فرض عمل می‌کند که کرنل بطور دقیق تخمین زده می‌شود. در این کار ما یک دانش پیشین قطعه وفقی را برای افزایش دقت تخمین کرنل ارایه می‌کنیم. دانش پیشین پیشنهادی ما بر پایه آمار قطعه محلی است و می‌تواند مشخصه‌های سطح پایین مانند لبه‌ها، گوشه‌ها، و اتصالات را برای تیزسازی لبه و بافت و تخمین ماتی، بازسازی کند. دانش پیشین ما یک مدل غیرپارامتری است، و محاسبات وفقی آن بر اطلاعات داخلی قطعه تکیه دارد. علاوه بر این، فیلترهای اکتشافی و دانش خارجی تصویر در دانش پییشن ما مورد استفاده قرار نمی‌گیرند. روش ما می‌تواند برای بازسازی لبه‌های برجسته در یک قطعه مات‌شده، نویز و آثار تیزشدگی بیش‌ازحد را کاهش دهد. آزمایشات بر روی دو مجموعه داده معروف و تصاویر طبیعی نشان می‌دهد که عملکرد تخمین کرنل روش ما نسبت به روش‌های خوب موجود، بهتر است.

Image blind deblurring uses an estimated blur kernel to obtain an optimal restored original image with sharp features from a degraded image with blur and noise artifacts. This method, however, functions on the premise that the kernel is estimated accurately. In this work, we propose an adaptive patch prior for improving the accuracy of kernel estimation. Our proposed prior is based on local patch statistics and can rebuild low-level features, such as edges, corners, and junctions, to guide edge and texture sharpening for blur estimation. Our prior is a nonparametric model, and its adaptive computation relies on internal patch information. Moreover, heuristic filters and external image knowledge are not used in our prior. Our method for the reconstruction of salient step edges in a blurry patch can reduce noise and over-sharpening artifacts. Experiments on two popular datasets and natural images demonstrate that the kernel estimation performance of our method is superior to that of other state-of-the-art methods.

بخشی از ترجمه مقاله (صفحه 10 فایل ورد ترجمه)