摘要
基于深度学习的方法由于其在有效性和效率方面的卓越表现，已经在超分辨率（SR）领域占据主导地位。大多数这些方法假设下采样过程中的模糊核是预定义的或已知的（例如，双三次）。然而，在实际应用中，涉及的模糊核复杂且未知，导致先进的超分辨率方法性能大幅下降。本文提出了一种迭代核校正（IKC）方法，用于盲超分辨率问题中的模糊核估计，其中模糊核是未知的。我们观察到，核不匹配会导致规律性的伪影（过度锐化或过度平滑），这可以用来校正不准确的模糊核。因此，我们引入了一种迭代校正方案——IKC，该方案比直接核估计取得了更好的结果。此外，我们还提出了一种有效的超分辨率网络架构，该架构使用空间特征变换（SFT）层来处理多个模糊核，并将其命名为SFTMD。大量实验表明，所提出的IKC方法结合SFTMD可以在合成图像和真实图像上提供视觉效果良好的超分辨率结果，并在盲超分辨率问题中达到最先进的性能。