曾凡智，邹 磊，周 燕，邱腾达

(佛山科学技术学院 计算机系，广东 佛山528000) E-mail：coolhead@126.com

1 引 言

近年来，计算机成像领域已经取得了巨大的进步，但对于捕获的模糊内容的处理仍然是一个挑战.图像模糊[1]的一种起因是由传感器曝光期间，场景中的物体或照相机运动所造成.除了明显降低图像的视觉质量外，模糊造成的失真会导致诸多计算机视觉任务的性能大幅下降.商业上有一些可用的相机，它们可以以高帧频捕获帧，从而减少模糊现象，但是这会使图像拥有更多噪声.

由于图像模糊本身的不确定性，它依然是计算机视觉中一个具有挑战性的问题.目前运用相对广泛的图像去模糊方法主要有以下两类：盲去模糊和非盲去模糊.非盲去模糊是当模糊核[2]已知时，采取有针对性的反卷积操作获取清晰图像，因此模糊核估计的准确性就成了图像去模糊的关键.目前主流的模糊核估计方法大部分建立在概率先验模型之上.韩阳[3]提出两阶段图像恢复方法，首先利用图像的稀疏性，在多尺度情况下估计模糊核，再结合非盲反卷积获取清晰图像.黄英豪[4]提出一种基于经典L0梯度先验的人脸图像去模糊算法，通过随机森林模型进行人脸轮廓检测，然后利用人脸的结构化特征进行非盲去模糊.徐弦秋[5]等提出利用模糊核对各个通道彩色分量图造成的差异性，对图像的RGB通道分别进行模糊核估计，此方法取得了不错的去模糊效果.

随着人工智能……