王海峰，李 萍，王 博，翟帅华，蔡 楠

(宁夏大学 物理与电子电气工程学院，宁夏 银川 750021)

1 引 言

由于运动、抖动、电子干扰等影响因素的存在，导致图像在拍摄、传输和储存时会产生一定的退化。图像复原可以最大程度地除去模糊以及干扰，使复原后的图形与原始图像更相似。作为图像模糊最典型且常见的模型之一的高斯模糊，其点扩散函数普遍应用到图像处理系统中，因此可以利用其特性来近似模拟一些图像的退化过程。

传统的图像复原方式有很多，如维纳滤波法[1]、正则化方法[2]、迭代盲反卷积[3]、约束最小二乘法[4]等。近年来随着神经网络学习热度的不断增加，在图像复原领域已经有很多神经网络模型在实际应用中发挥作用，Zhou[5]提出将神经网络应用到图像复原。李伟等人用优化算法对神经网络的结构进行优化，然后利用优化后神经网络学习和泛化能力，使复原的图像在主观视觉和定量分析上取得不错的效果[6]。文献[7]分别利用遗传算法与蚁群算法对BP神经网络进行优化并运用到图像复原领域，实验验证表明改进算法比传统BP网络复原图像有较大优势，复原后的图像更加清晰。文献[8]采用粒子群算法进行散焦模糊图像的复原，经过复原实验获得的结果清晰度比传统L-R复原效果更好，振铃较少。文献[9]提出了基于粒子群算法的BP神经网络图像复原，该作者将BP神经网络的初始权值和阈值作为粒子群的优化目标进行全局寻优，该算法在图像复原中收敛精度取得了不错的效果。……