산업 정밀 제조에서 시각 검사 장비의 영상 시스템은 종종 얕은 피사계 심도를 가지며, 이로 인해 초점 이탈 흐림이 발생하여 검사 결과에 심각한 영향을 미칩니다. 이러한 문제를 해결하기 위해 균등 초점 이탈 이미지에 대한 블라인드 디블러 네트워크(Uniform Defocus Blind Deblur Net, UDBD-Net)를 제안합니다. 먼저, 초점 이탈 흐림의 특성을 추출하고 흐림 커널을 정확하게 추정하는 흐림 커널 추정 네트워크를 제안하였으며; 다음으로, 신경망을 통해 특징 기반 위너 역컨볼루션(Feature-based Wiener Deconvolution, FWD) 공식 내 미지수를 학습하고 추정하는 역컨볼루션 네트워크를 제안하여 더 정확하게 디블러 이미지의 잠재 특성을 생성합니다; 마지막으로, 인코더-디코더 네트워크를 사용하여 이미지의 세부 사항을 강화하고 아티팩트를 제거합니다. 실험 결과, 본 방법은 DIV2K와 GOPRO 이미지에서 각각 31.16 dB와 36.16 dB의 최고 신호 대 잡음비(Peak Signal to Noise Ratio, PSNR)를 달성하였으며; 현재 주류 방법과 비교할 때 모델 추론 시간을 크게 증가시키지 않으면서도 더 고품질이고 자연스러운 디블러 이미지를 복원할 수 있습니다. 또한, 본 방법은 실제 균등 초점 이탈 흐림 이미지에도 우수한 디블러 효과를 보이며, 산업용 시각 검사 알고리즘의 초점 이탈 흐림 이미지 검출 성능을 크게 향상시킬 수 있습니다.

컴퓨터 비전; 블라인드 디블러; 흐림 커널 추정, 역컨볼루션