鱼轮，韩美林

（商洛学院电子信息与电气工程学院，陕西商洛 726000）

在数字成像设备采集图像过程中，由于设备的抖动、散焦等因素，获取的图像不可避免的会出现一定程度的模糊[1]。假设模糊是均匀的，则这一过程可以表示为：y=x⊗h+n，其中，x和y分别为原始清晰图像和退化图像，h为模糊核，⊗表示卷积运算，n为加性噪声。图像复原研究的是如何根据模糊图像y恢复出原始清晰目标图像x，这是一个具有病态性质的反问题：给定一张模糊图像，能推测反演出多组模糊核和不同清晰程度的图像[2]。要想高质量的恢复出原始清晰图像，就必须在求解过程中引入关于图像或模糊核的先验知识[3]。现有的先验知识主要集中在清晰图像的先验概率模型上，大致可以分为图像梯度上的先验信息和图像块的先验信息。图像梯度先验信息指的是清晰图像的梯度满足重尾分布的特征，Fergus[4]、Krishnan[5]、Shan[6]、Filip[7]等分别采用高斯混合模型、超拉普拉斯分布、分段函数、重尾分布来近似图像的梯度分布，但由于图像梯度表示的是图像相邻像素之间的关系，能提供的信息有限。图像块表示图像更大的结构上的关系，因此能表征更多的信息。Irani[8]把不同尺度图像间存在的结构自相似性作为先验知识进行图像盲复原，算法的准确性和复原效果有了一定提升。Dong等[9]基于图像非局部相似性满足低秩的特点，提出一种空间自适应迭代奇异值阈值方法进行图像复原。本文提出一种基于低秩矩阵与稀疏约束的运动模糊图像盲复原算法。……