메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Changwoo Lee (The Catholic University of Korea) Jinwon Choi (The Catholic University of Korea)
저널정보
대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.11 No.2
발행연도
2022.4
수록면
126 - 132 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Many studies on image deblurring have been conducted, and deep learning methods for blind image deblurring have received considerable attention due to their good performance. Recently, the SelfDeblur method was proposed for blind image deblurring based on deep image prior (DIP). In the SelfDeblur method, two neural networks for an image generator and a blur kernel generator are learned simultaneously with only one blurry image. This shows the feasibility of blind image deblurring using unsupervised learning, since it requires no training process. In this paper, we propose a method to maximize the performance of blind image deblurring based on DIP. The optimal loss function for deep learning is studied for the SelfDeblur method, and the deblurring performance of the proposed method is stabilized and maximized using the image prior and the kernel prior for the total loss function. Extensive computer simulations show that the proposed method yields superior performance compared to conventional methods.
#Image deblurring #Deep learning #Deep image prior #SelfDeblur #Unsupervised learning

목차

Abstract
1. Introduction
2. Blind Image Deblurring Methods
3. Blind Image Deblurring Method based on Deep Image Prior
4. Proposed Blind Image DeblurringMethod Based on Deep Image Prior
5. Performance Analysis
6. Conclusion
References

참고문헌 (33)

참고문헌 신청
S. Cho, and S. Lee, “Fast motion deblurring,” ACM Transactions on Graphics, vol. 28, pp. 1-8, 2009. Article (CrossRef Link) google schola A. Beck, and M. Teboulle, “Fast gradient-based algorithms for constrained total variation image denoising and deblurring problems,” IEEE Transactions on Image Processing, vol. 18, pp. 2419-2434, 2009. Article (CrossRef Link) google schola J. Pan, D. Sun, H. Pfister, and M. Yang, “Deblurring images via dark channel prior,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 40, pp. 2315-2328, 2018. Article (CrossRef Link) google schola D. Perrone, P. Favaro, “A clearer picture of total variation blind deconvolution,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 38, pp. 1041-1055, 2016. Article (CrossRef Link) google schola L. Xu, S. Zheng, S. and J. Jia, “Unnatural l0 sparse representation for natural image deblurring,” in 2013 IEEE Conference on Computer Vision and Pattern Recognition, June 2013, pp. 1107-1114. Article (CrossRef Link) google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0