摘要
在本文中，我们介绍了一种用于离焦估计的鲁棒且协同的手工特征以及一种简单但高效的来自卷积神经网络（CNN）架构的深度特征。本文系统地分析了不同特征的有效性，并展示了当这些特征被级联时，每个特征如何能够弥补其他特征的不足。为了实现完整的离焦图估计，我们在强边缘上稀疏地提取图像块，然后利用这些图像块进行深度和手工特征的提取。为了减少对图像块尺度的依赖性，我们还提出了一种多尺度图像块提取策略。通过神经网络分类器生成稀疏离焦图，再经过概率联合双边滤波器处理，最终从稀疏离焦图中获得完整的离焦图，并以边缘保留滤波后的输入图像为指导。实验结果表明，我们的算法在离焦估计方面优于现有的最先进算法。我们的工作可以应用于分割、模糊放大、全聚焦图像生成和三维估计等领域。