一种基于分层贝叶斯表示的自监督图像盲去模糊方法

本发明涉及图像处理、计算机视觉与图像盲去模糊技术领域，具体涉及一种基于分层贝叶斯表示的自监督图像盲去模糊方法，包括：获取清晰图像并进行处理，合成模糊图像，建立模糊图像数据集；基于运动退化模型结合模糊图像数据集构建分层贝叶斯先验模型和目标函数，并定义随机变量；最小化目标函数，求解分层贝叶斯先验模型中随机变量的后验分布；设计深度神经网络框架，结合随机变量的后验分布建立损失函数并训练，得到最优模型；通过最优模型输出模糊图像数据集的图像恢复结果；以分层贝叶斯先验模型为依据，实现稀疏适应的优化，解决了基于VB的盲去模糊算法泛化性不足，鲁棒性较差的问题，可应用于图像增强等高精度需求场景。