Skalen-rekurrentes Netzwerk für die tiefen Bildentverkernung

Bei der Entverschärfung einzelner Bilder ist das "von grob zu fein" Verfahren, d.h. die schrittweise Wiederherstellung des scharfen Bildes in verschiedenen Auflösungen innerhalb einer Pyramide, sowohl in traditionellen optimierungsbasierten Methoden als auch in neueren neuronalnetzbasierten Ansätzen sehr erfolgreich. In dieser Arbeit untersuchen wir diese Strategie und schlagen ein Skalenrekurrentes Netzwerk (SRN-DeblurNet) für die Entverschärfungsaufgabe vor. Im Vergleich zu vielen der neueren lernbasierten Ansätze aus [25] verfügt es über eine einfachere Netzstruktur, weniger Parameter und ist einfacher zu trainieren. Wir evaluieren unsere Methode anhand umfangreicher Entverschärfungsdatensätze mit komplexer Bewegung. Die Ergebnisse zeigen, dass unser Verfahren bessere Ergebnisse als der aktuelle Stand der Technik sowohl quantitativ als auch qualitativ erzielt.