Tecniche di Deep Learning per problemi di blind deconvolution

Durante la fase di acquisizione di un'immagine con strumenti digitali, potrebbe verificarsi il fenomeno detto di "sfocatura'', equivalente dell'inglese "blurring'', per cui il dato acquisito risulta essere non nitido. La deconvoluzione consente di correggere il problema, ricostruendo un'immagine che si avvicina il più possibile a quella reale, attraverso appositi algoritmi. Ne esistono di diversi e lo sviluppo del machine learning ha consentito di crearne di nuovi, ampliando le possibili soluzioni. Tuttavia le tecniche standard di machine learning necessitano di ampi dataset su cui eseguire la fase di addestramento e questo ne limita il loro uso nella pratica. Lo scopo di questa tesi è quello di proporre una tecnica di risoluzione basata sull'uso di reti neurali artificiali che non richiedono alcun tipo di addestramento, apportando modifiche al metodo SelfDeblur, utilizzato come punto di partenza.