前言

非聚焦模糊是一种常见的图像退化现象，是由于被摄物体处于成像系统的景深范围外所导致的。非聚焦模糊会导致图像中的目标清晰度差、细节难以辨认，进而降低图像信息在复杂环境中的使用价值。图像非聚焦模糊处理是非聚焦模糊现象的重要应对手段，主要分为非聚焦模糊检测和非聚焦去模糊。前者负责检测并分割出图像中的非聚焦模糊区域，后者则将含有非聚焦模糊的图像还原为清晰图像。近年来，随着深度学习技术的发展，图像非聚焦模糊智能处理受到了关注和研究，其性能更为优异，应用场景更为广泛。本书凝聚了作者多年在图像非聚焦模糊处理领域的研究成果，全面、系统地向读者介绍了该领域的发展情况及最新研究成果，旨在为读者提供一份深入、全面的图像非聚焦模糊智能处理学习参考。

全书共分为9章。第1章介绍图像非聚焦模糊处理的目的、意义、基本概念、评估指标和研究历史及现状，帮助读者树立对图像非聚焦模糊处理的基础认知。接下来的第2～5章，着重介绍图像非聚焦模糊检测的研究成果，其中第2章介绍多尺度特征学习的图像非聚焦模糊检测，研究多尺度特征的提取和学习，以进行更好的非聚焦模糊检测。第3章介绍深度集成学习的图像非聚焦模糊检测，将集成学习引入非聚焦模糊检测当中。第4章介绍强鲁棒图像的非聚焦模糊检测，以鲁棒性这一关键指标，设计非聚焦模糊检测方法。第5章介绍弱监督学习的图像非聚焦模糊检测，使用矩形框级标签代替像素级标签，进行非聚焦模糊检测模型的训练，以减小数据的标注压力。第6、7章着重介绍非聚焦图像去模糊。第6章介绍弱监督非聚焦图像去模糊，采用对抗促进学习和可逆攻击两种方式实现图像去模糊。第7章介绍多聚焦图像融合的非聚焦图像去模糊，该章研究并整合了不同焦点的多个模糊图像，以生成清晰的融合图像。第8章介绍图像非聚焦模糊智能处理的实际应用，提出了10种能够应用非聚焦图像智能处理技术的工程实践场景，并给出了相应案例及说明。第9章回顾和总结本书的所有内容，并讨论图像非聚焦模糊处理领域现存的问题及未来的发展趋势。

在撰写本书的过程中，大连理工大学研究生胡广、张骁、王文波、何睿坤、李云祥、贾蝶蝶、崔恒帅、张哲溥也参加了本书部分内容的校对。由于作者水平有限，书中内容难免存在纰漏和不足，恳请广大读者提出宝贵意见和建议。