论文部分内容阅读
由于现有基于深度网络的图像增强模型直接学习退化图像与清晰图像之间的映射函数,忽略了观测模型保真项的约束,导致恢复的图像存在虚假纹理和细节丢失。本文提出了一种用于红外图像增强的改进深度网络,该网络将深度学习网络嵌入到一个迭代的图像增强任务中,通过图像增强模块和反投影模块交错优化,实现数据一致性约束。本文提出的深度网络不仅可以利用深度特征学习先验,还可以利用观测模型的一致性先验。实验结果表明,本文提出的算法可以在图像去噪和去模糊任务上获得非常有竞争力的重建结果,在低对比度区域也能获得清晰的重建效果。