Débrouillage d’image aveugle utilisant le prior du canal sombre

Nous présentons une méthode simple et efficace de déflouage d’images aveugles fondée sur le prior du canal sombre. Notre travail s’inspire d’une observation intéressante : le canal sombre des images floues est moins épars que celui des images nettes. Alors que la plupart des patches d’image nette contiennent certains pixels sombres, ces pixels ne conservent pas leur caractère sombre lorsqu’ils sont moyennés avec des pixels voisins à forte intensité au cours du processus de flou. Notre analyse démontre que ce changement dans l’éparpillement du canal sombre constitue une propriété intrinsèque du processus de flou, tant d’un point de vue théorique que empirique. Ce phénomène d’évolution de l’éparpillement du canal sombre est une caractéristique inhérente au flou, que nous prouvons mathématiquement et validons à l’aide de données d’apprentissage. Par conséquent, imposer l’éparpillement du canal sombre permet d’améliorer le déflouage aveugle dans divers scénarios, y compris pour des images naturelles, des visages, du texte et des images à faible éclairage. Toutefois, l’imposition de l’éparpillement du canal sombre donne lieu à un problème d’optimisation non convexe et non linéaire. Pour surmonter cette difficulté, nous introduisons une approximation linéaire de l’opérateur min afin de calculer le canal sombre. Notre méthode basée sur une table de recherche converge rapidement en pratique et peut être directement étendue au déflouage non uniforme. Des expériences étendues montrent que notre approche atteint des résultats de pointe pour le déflouage des images naturelles, tout en se comparant favorablement à des méthodes soigneusement conçues pour des scénarios spécifiques.