Significant improvements on blur es

Significant improvements on blur estimation from real images have been made in the blind deconvolution community. Levin et al. [14] showed that joint MAP estimation of the blur kernel and the original image favors a non-blur explanation, i.e. , a delta blur function and the blurred image. Their analysis assumes no spatial prior on the blur kernel, while Joshi et al. [11] used a smoothness prior for the blur kernel and obtained reliable estimates. Moreover, Shan et al. [23] applied the recent advances in image deconvolution to super resolution and obtained promising improvement, but their method only works on a single frame and does not estimate the noise statistics.

Kết quả (Việt) 1:

Các cải tiến đáng kể trên mờ dự toán từ thực sự hình ảnh đã được thực hiện trong cộng đồng mù deconvolution. Levin et al. [14] cho thấy rằng chung đồ dự toán của hạt nhân mờ và hình ảnh ban đầu ủng hộ một lời giải thích mờ, tức là, một mờ chức năng và hình ảnh mờ. Phân tích của họ giả định không có trước khi không gian hạt nhân mờ, trong khi Joshi et al. [11] sử dụng một trước khi êm ái cho hạt nhân mờ và thu được ước tính đáng tin cậy. Hơn nữa, Shan et al. [23] áp dụng các tiến bộ gần đây trong hình ảnh deconvolution để siêu độ phân giải và thu được cải thiện triển vọng, nhưng các phương pháp tác phẩm duy nhất trên một khung đơn và không ước tính thống kê tiếng ồn.

Kết quả (Việt) 2:

Cải tiến đáng kể về ước mờ từ hình ảnh thực tế đã được thực hiện trong cộng đồng bước đầu thực mù. Levin et al. [14] cho thấy dự toán MAP doanh của hạt nhân mờ và hình ảnh ban đầu ủng hộ một lời giải thích không mờ, tức là, một chức năng làm mờ vùng đồng bằng và các hình ảnh bị mờ. Phân tích của họ giả định không có không gian trước về hạt nhân mờ, trong khi Joshi et al. [11] được sử dụng một êm ái trước đối với kernel mờ và thu được ước tính đáng tin cậy. Hơn nữa, Shan et al. [23] áp dụng các tiến bộ gần đây trong hình ảnh bước đầu thực với độ phân giải siêu và thu được hứa hẹn cải thiện, nhưng phương pháp của họ chỉ hoạt động trên một khung duy nhất và không ước lượng số liệu thống kê tiếng ồn.