模糊作为常见的图像退化方式之一，如何感知模糊、处理模糊注定是一个十分重要的课题，图像非聚焦模糊处理技术应运而生。深度学习技术的发展使图像非聚焦模糊处理性能愈发强大，在各类应用场合中逐渐发挥重要作用。本书总结了作者及团队多年来图像非聚焦模糊处理技术的研究成果，比较了该领域的近期新进展情况，列举了图像非聚焦模糊智能处理方案与其应用，具有实践指导意义，有助于为读者树立对非聚焦模糊智能处理的全面认识，进一步理论研究和实际应用的基础。

目 录
第1章 绪论\t1
1.1 图像非聚焦模糊处理的目的和意义\t1
1.2 图像非聚焦模糊处理中的相关基本概念\t2
1.2.1 非聚焦模糊图像的定义及类别\t2
1.2.2 图像非聚焦模糊智能处理中的深度学习技术\t2
1.2.3 图像非聚焦模糊智能处理\t4
1.3 图像非聚焦模糊处理的设计要求和评估指标\t4
1.3.1 图像非聚焦模糊处理的设计要求\t4
1.3.2 图像非聚焦模糊处理的评估指标\t5
1.4 图像非聚焦模糊处理技术的研究历史及现状\t7
1.4.1 非聚焦模糊检测\t7
1.4.2 非聚焦模糊图像去模糊\t8
1.5 本书的研究范围和概览\t9
参考文献\t11
第2章 多尺度特征学习的图像非聚焦模糊检测\t14
2.1 引言\t14
2.2 级联映射残差学习网络\t15
2.2.1 方法背景\t15
2.2.2 级联映射残差学习模型\t16
2.2.3 模型训练\t22
2.2.4 实验\t23
2.3 图像尺度对称协作网络\t30
2.3.1 方法背景\t30
2.3.2 图像尺度对称协作模型\t32
2.3.3 模型训练\t36
2.3.4 实验\t36
2.4 小结\t42
参考文献\t42
第3章 深度集成学习的图像非聚焦模糊检测\t46
3.1 引言\t46
3.2 深度交叉集成网络\t46
3.2.1 方法背景\t46
3.2.2 深度交叉集成网络模型\t48
3.2.3 模型训练\t52
3.2.4 实验\t52
3.3 自适应集成网络\t56
3.3.1 方法背景\t56
3.3.2 自适应集成网络模型\t58
3.3.3 模型训练\t63
3.3.4 实验\t64
3.4 小结\t69
参考文献\t70
第4章 强鲁棒图像的非聚焦模糊检测\t74
4.1 引言\t74
4.2 多层级蒸馏学习的全场景非聚焦模糊检测\t74
4.2.1 方法背景\t74
4.2.2 多层级蒸馏学习的全场景非聚焦模糊检测模型\t77
4.2.3 模型训练\t82
4.2.4 实验\t83
4.3 基于MRFT的非聚焦模糊检测攻击\t89
4.3.1 方法背景\t89
4.3.2 基于MRFT的非聚焦模糊检测攻击模型\t90
4.3.3 模型训练\t94
4.3.4 实验\t95
4.4 小结\t102
参考文献\t102
第5章 弱监督学习的图像非聚焦模糊检测\t106
5.1 引言\t106
5.2 基于RCN的弱监督焦点区域检测\t107
5.2.1 方法背景\t107
5.2.2 RCN结构\t109
5.2.3 模型训练\t112
5.2.4 实验\t112
5.3 基于双对抗性鉴别器的自生成非聚焦模糊检测\t120
5.3.1 方法背景\t120
5.3.2 双对抗性鉴别器的网络结构\t122
5.3.3 模型训练\t124
5.3.4 实验结果与分析\t124
5.4 小结\t128
参考文献\t128
第6章 弱监督非聚焦图像去模糊\t132
6.1 引言\t132
6.2 对抗促进学习的非聚焦去模糊\t132
6.2.1 方法背景\t132
6.2.2 对抗促进学习的非聚焦去模糊模型\t134
6.2.3 模型训练\t138
6.2.4 实验\t138
6.3 非聚焦检测攻击的图像去模糊\t142
6.3.1 方法背景\t142
6.3.2 图像去模糊模型\t144
6.3.3 模型训练\t146
6.3.4 实验\t148
6.4 小结\t154
参考文献\t155
第7章 多聚焦图像融合的非聚焦图像去模糊\t159
7.1 引言\t159
7.2 联合多级深度监督卷积神经网络\t159
7.2.1 方法背景\t159
7.2.2 多级深度监督网络模型\t161
7.2.3 模型训练\t164
7.2.4 实验\t164
7.3 深度蒸馏多聚焦图像融合网络\t172
7.3.1 方法背景\t172
7.3.2 深度蒸馏多聚焦图像融合框架\t174
7.3.3 模型训练\t177
7.3.4 实验\t178
7.4 小结\t182
参考文献\t183
第8章 图像非聚焦模糊智能处理的实际应用\t187
8.1 引言\t187
8.2 图像非聚焦模糊检测的应用\t187
8.2.1 自动对焦系统\t187
8.2.2 计算摄影“人像模式”\t190
8.2.3 图片重定向\t191
8.2.4 自动驾驶目标检测\t193
8.2.5 多孔材料缺陷检测\t194
8.3 非聚焦图像去模糊的应用\t195
8.3.1 视频目标跟踪系统\t195
8.3.2 虚拟现实技术\t196
8.3.3 无人探测设备应急救援系统\t198
8.3.4 医学内窥镜系统\t199
8.3.5 光学显微镜系统\t200
8.4 小结\t201
参考文献\t202
第9章 回顾、建议与展望\t205
9.1 引言\t205
9.2 研究成果回顾\t205
9.2.1 非聚焦模糊检测的研究成果\t205
9.2.2 非聚焦图像去模糊的研究成果\t205
9.2.3 非聚焦图像智能处理技术的应用\t206
9.3 问题与建议\t206
9.3.1 训练数据集的制约问题\t206
9.3.2 模型规模和计算开销的问题\t207
9.3.3 网络模型的问题\t207
9.4 研究方向展望\t207
9.4.1 多任务结合的联合训练\t207
9.4.2 通用性非聚焦模糊处理大模型\t208
9.4.3 与前沿应用结合的特化研究\t208
9.5 小结\t2