摘要
盲超分辨率（blind super-resolution, blind-SR）是计算机视觉领域的一项重要任务，在现实世界中具有广泛的应用。在盲超分辨率中，模糊核估计是核心环节之一，其性能与自适应超分辨率网络密切相关；模糊核估计的准确性越高，整体重建效果越好。近年来，生成对抗网络（GAN）通过跨尺度比较图像块，在无监督模糊核估计方法中取得了最显著的成功。然而，现有方法仍存在若干问题：① 其对图像锐度的判别能力较弱，导致模型更关注图像结构形状而非边缘锐度；② 在某些情况下，忽略了核修正过程，而该过程至关重要，因为最优生成的模糊核可能比实际点扩散函数（PSF）更窄，除非PSF为理想低通滤波器；③ 以往研究未充分考虑GAN性能同时受到边缘厚度与PSF的影响。针对上述问题，本文提出以下三项改进：1）设计一种退化与排序对比机制，引导GAN模型增强对图像锐度的敏感性；2）提出一种与尺度无关的核修正技术，基于高斯核近似并引入边缘厚度参数，以更精确地建模真实模糊核；3）构建所提GAN与深度图像先验（Deep Image Prior, DIP）的联合模型，以实现更充分的监督，并设计专用的核修正网络，确保梯度能够有效通过修正过程传播。大量实验结果表明，所提方法显著降低了L2误差，并改善了模糊核的形状精度。此外，当与常规盲超分辨率算法结合使用时，本方法在无监督模糊核估计类别中实现了最优的重建性能，达到了当前领先水平。