Super-résolution aveugle par salves avec prise en compte du noyau

La technique de sur-résolution par rafale (burst super-resolution, SR) offre la possibilité de restaurer des détails riches à partir d'images de mauvaise qualité. Cependant, étant donné que les images de faible résolution (low-resolution, LR) du monde réel dans les applications pratiques présentent plusieurs dégradations complexes et inconnues, les réseaux existants conçus pour une sur-résolution non aveugle (par exemple, bicubique) subissent généralement une baisse sévère des performances lorsqu'il s'agit de reconstruire des images de haute résolution (high-resolution, HR). Dans cet article, nous abordons le problème de la reconstruction d'images HR à partir de séquences brutes de rafale acquises par un appareil moderne tenu à la main. L'idée centrale est une stratégie guidée par noyau qui peut résoudre le problème de sur-résolution par rafale en deux étapes : l'estimation du noyau et la restauration de l'image HR. La première étape consiste à estimer les noyaux de rafale à partir des entrées brutes, tandis que la seconde prédit l'image sur-résolue en fonction des noyaux estimés. De plus, nous introduisons un module d'alignement déformable pyramidal sensible aux noyaux qui peut aligner efficacement les images brutes en tenant compte des a priori flous. Des expériences approfondies sur des jeux de données synthétiques et réels montrent que la méthode proposée peut atteindre des performances favorables par rapport à l'état de l'art dans le problème de sur-résolution par rafale. Nos codes sont disponibles à l'adresse \url{https://github.com/shermanlian/KBNet}.