Este artigo aborda a necessidade de restauração global consistente do desfoque em áreas como codificação de frente de onda e imageamento computacional com lente única, e propõe um método eficiente de desfoque de imagem baseado em rede de seleção de regiões. Diferentemente dos métodos tradicionais que realizam o processo de clareamento de imagens borradas por meio da construção de uma função objetivo e várias informações a priori, o método proposto baseia-se na combinação de aprendizado profundo e métodos tradicionais. Os métodos tradicionais são responsáveis pelo processo principal de restauração da imagem, enquanto os métodos de aprendizado profundo intervêm nas etapas-chave da seleção da região para a estimativa do núcleo do desfoque. A rede de classificação binária profunda é capaz de eliminar automaticamente regiões planas, superexpostas e texturas curtas na imagem global, selecionando os melhores blocos para a estimativa do núcleo do desfoque. Com base nisso, os métodos tradicionais realizam a estimativa do núcleo do desfoque, a restauração de imagem não cega e o processo de clareamento. Os resultados experimentais mostram que o método de restauração proposto pode alcançar bons resultados, com textura clara, estável e confiável; a rede de seleção de regiões proposta pode reduzir a complexidade computacional e melhorar efetivamente a precisão da estimativa do núcleo do desfoque, melhorando assim o efeito de restauração para clareamento da imagem. Sob condições iguais, a rede de classificação binária profunda proposta aumentou a taxa de sucesso da restauração em 2,1% com erro limitado a 1,5, e a média da relação sinal-ruído de pico das imagens restauradas melhorou 0,5 dB em comparação com métodos existentes.

remoção de desfoque de imagem; imageamento computacional; aprendizado profundo; estimativa do núcleo do desfoque; seleção de regiões