本文介绍了一种来自单个离焦图像的边缘散焦模糊估计方法。我们首先将位于深度不连续(称为深度边缘的边缘)的边缘区分从近似恒定的深度区域(称为模糊估计的被称为模糊估计的图案边缘)的边缘中的深度不连续性(含义模糊估计是模糊的)。然后,我们仅估计图案边缘的散焦模糊量,并探索基于引导滤波器的内插方案,该导向滤波器防止检测到的深度边缘的数据传播,以获得具有明确定义的对象边界的密集模糊图。两个任务(边缘分类和模糊估计)由深度卷积神经网络(CNNS)执行,该网络(CNN)共享权重以从边缘位置为中心的多尺度补丁学习有意义的本地特征。在自然散焦的图像上的实验表明,该方法提出了优异的最先进(SOTA)方法的定性和定量结果,在运行时间和准确度之间具有良好的折衷。
translated by 谷歌翻译