Centre de documentation
scientifique

Deep image deblurring: A survey / Kaihao Zhang in International journal of computer vision, vol 130 n° 9 (September 2022)  

Public [article]  inInternational journal of computer vision > vol 130 n° 9 (September 2022) . - pp 2103 - 2130 Titre : Deep image deblurring: A survey Type de document : Article/Communication Auteurs : Kaihao Zhang, Auteur ; Wenqi Ren, Auteur ; Wenhan Luo, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 2103 - 2130 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] accentuation d'image [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] déconvolution [Termes IGN] estimation par noyau [Termes IGN] filtrage du bruit [Termes IGN] image floue [Termes IGN] qualité d'image [Termes IGN] réseau antagoniste génératif [Termes IGN] taxinomie [Termes IGN] vision par ordinateur Résumé : (auteur) Image deblurring is a classic problem in low-level computer vision with the aim to recover a sharp image from a blurred input image. Advances in deep learning have led to significant progress in solving this problem, and a large number of deblurring networks have been proposed. This paper presents a comprehensive and timely survey of recently published deep-learning based image deblurring approaches, aiming to serve the community as a useful literature review. We start by discussing common causes of image blur, introduce benchmark datasets and performance metrics, and summarize different problem formulations. Next, we present a taxonomy of methods using convolutional neural networks (CNN) based on architecture, loss function, and application, offering a detailed review and comparison. In addition, we discuss some domain-specific deblurring applications including face images, text, and stereo image pairs. We conclude by discussing key challenges and future research directions. Numéro de notice : A2022-638 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s11263-022-01633-5 Date de publication en ligne : 25/06/2022 En ligne : https://doi.org/10.1007/s11263-022-01633-5 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101444 [article]