李若森，雒江涛，许国良

(1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.重庆邮电大学 电子信息与网络工程研究院，重庆 400065)

0 引 言

图像模糊不仅会影响图像的视觉效果，还会使图像退化，导致一些细节信息，例如图像中的文字、人脸、字符等的丢失。因此，从模糊图像中恢复出清晰图像具有重要意义，可以广泛地应用在智能安防、交通安全、医学影像等领域。造成图像模糊的原因有失焦、噪声、物体运动等，其中，相机晃动或物体运动是最主要的因素。数学上，通常将图像模糊的过程建模为清晰图像与模糊核进行卷积再加上随机噪声。由于相机晃动和物体运动具有随机性，所以运动模糊的模糊核是未知的，在模糊核未知的条件下进行去模糊的过程称为盲去模糊。

盲去模糊是一个典型不适定(ill-posed)的逆问题[1]。针对这一问题，传统的模糊盲去除方法是增加合适的约束条件和先验知识进行求解，得到逼近该类问题最优的稳定单一解。典型的图像先验知识包括重尾梯度先验[2]、超稀疏先验[3]等。首先根据模糊图像及先验知识估计模糊核，再根据估计的模糊核进行反卷积，最终得到清晰图像。此类方法能够达到一定的去模糊效果，但应用范围均受到先验假设的限制，且模糊核估计的准确性难以得到保证。

近年来，研究者们将深度学习运用于盲去图像模糊任务中，采用端到端的方式直接得到清晰图像。将模糊核估计与反卷积统一为一个过程，避免了由先验假设不符合图像实际条件而导致模糊核估计不准确的问题。……