赵知春

（重庆对外经贸学院 重庆市 401520）

1 引言

图像的模糊问题是生活中最的常见问题之一，设备在图像获取以及传输的过程中都会因为各种各样的不利因素导致图像退化和降质，从而导致丢失大量真实有用的信息，大大降低了图像的科研价值以及有效信息，并有可能造成严重的经济损失。因此，在进行图像分析处理前为使在后续的图像检测中能够保留足够的真实信息，在之前需要进行图像复原。

早期图像盲复原技术大都采用的是参数估计法，这种方法是先根据图像或成像环境的先验信息对PSF 进行辨识，然后再利用所获得的PSF，采用经典的非盲复原方法，如逆滤波、维纳滤波、R-L方法等得到原清晰图像的估计。与参数估计法相对应的是非参数化约束盲复原技术，1988年，Ayers 和Dainty 通过实验提出了迭代盲去卷积法，它的基本思想就是在空间域以及傅里叶域交替迭代的过程中施加约束条件，从而最终得到目标图像理想估计，该算法简单快速，对噪声具有较好的鲁棒性，但由于没有客观的迭代截止准则，很容易产生局部收敛。1992年，Rudin 等首次提出全变差正则化模型，此模型最终将偏微分理论成功地应用到图像去噪处理中，从而开创了基于全变差正则化模型的图像盲复原相关方法。1996年，You 和Kareh 利用图像和PSF 的H1 范数作为正则项引入到代价函数中，该方法可以针对空变退化图像进行复原。

近年来深度学习的快速发展，很多文献中应用深度学习算法来评估图像，深度学习方法即深度卷积神经网络方法，深度学习具有强大的自动学习对象特征的能力，但需要大量的计算，而随着硬件技术的发展，计算机的计算能力越来越强大，图像复原领域也开始大量使用深度学习。……