摘要
许多基础的图像相关问题都涉及反卷积运算。由于相机噪声、过曝、图像压缩等因素，实际的图像模糊退化通常并不符合理想的线性卷积模型。与其尝试从生成模型的角度精确建模异常情况（这在实际中极具挑战性），我们转而设计了一种深度卷积神经网络，用于捕捉退化过程的特征。我们发现，直接应用现有的深度神经网络难以获得合理的结果。为此，我们提出将传统基于优化的方法与神经网络架构相连接，并引入一种新颖的可分离结构，作为对抗伪影、实现鲁棒反卷积的可靠支撑。所提出的网络包含两个子模块，均采用监督学习方式进行训练，并辅以合理的初始化策略。与以往基于生成模型的方法相比，该方法在非盲图像反卷积任务上展现出更优的性能。