图像盲复原旨在无参考的情况下准确估计模糊核并恢复潜在的清晰图像。现有研究成果表明，利用全变分模型对高阶图像梯度先验约束进行描述可以有效抑制复原图像中产生的阶梯效应。本文在实验观察和研究的基础上，提出了采用稀疏先验约束模型对盲复原过程进行正则化的方法，以获得更佳的图像复原效果。该方法利用图像高阶梯度的稀疏性，通过与低阶梯度相结合来构造混合梯度正则项。同时，在正则项中引入基于图像熵的自适应因子，来调节迭代优化过程中两类梯度先验的比例，以此获得更好的收敛性。仿真与实验证明，与现有图像盲复原先进方法相比，本文方法具有更优越的图像复原性能。

基于单一全变分正则的多通道图像盲复原算法容易使复原图像产生振铃效应、丢失高频细节信息。针对这个问题,利用模糊图像暗像素的非稀疏性,提出一种基于全变分和暗像素的多通道图像盲复原算法。针对全变分和暗像素双正则模型求解难的问题,使用分裂Bregman优化算法确保结果收敛,将全局问题分解为独立的子问题,通过交替迭代图像和点扩展函数复原出目标图像。实验结果表明,所提算法能够有效去除图像模糊,抑制振铃效应,复原出高质量的清晰图像。与采用单一全变分正则项的算法相比,所提算法的峰值信噪比提高了0.12 dB~5.86 dB,结构相似度提高了0.014~0.125。

提出一种重加权总变分与hyper-Laplacian相结合的图像盲复原算法。首先,通过重加权总变分先验重建模糊图像权重的双峰分布;然后,利用重建后的图像估计连续且稀疏分布的点扩展函数,并用其复原模糊图像,对以上两步反复迭代,使点扩展函数不断接近真实的解;最后,结合hyper-Laplacian函数曲线能很好地拟合自然图像梯度分布的先验对模糊图像进行非盲复原。实验结果表明,与两种具有代表性的盲复原算法相比,该算法能更准确地预测出模糊核,并有效抑制图像的振铃效应,且在主观视觉与客观评价指标上都得到明显的提升。

提出了一种基于L0稀疏先验的改进正则化模糊图像盲复原算法来解决相机抖动所产生的模糊问题。根据模糊图像的梯度分布要比清晰图像稠密并且暗通道的稀疏性也相对较小这一固有属性建立了新的优化模型。针对L0范数的高度非凸性和暗通道稀疏优化过程中涉及到的非线性最小化问题, 提出了一种近似线性映射矩阵, 并用半二次分解法对L0最小化问题进行求解。最后, 采用快速傅里叶变换在频域中对模糊核及清晰图像进行交替迭代运算得到复原图像。对多幅不同类型的模糊图像进行了实验, 结果显示: 复原图像平均灰度梯度高达11.411, 图像信息熵达到7.304, 处理365×285的图像只需8.07 s。提出的算法有效抑制了图像边缘处的振铃效应, 完整保留了清晰的细节信息的同时显著提高了运算速度, 并适用于多种不同类型图像的盲复原。

针对运动过程中视觉图像易产生运动模糊的问题, 提出了一种基于稀疏表示和Weber定律相结合的图像盲复原方法。该方法利用冲击滤波器预测模糊图像的显著边缘梯度, 并用多尺度策略由粗到细进行模糊核的估计。然后, 对图像盲复原模型进行稀疏正则化约束, 并结合反映人类视觉特性的Weber定律对合成模糊图像和真实模糊图像进行盲复原。实验结果表明, 本文采用的盲复原算法的性能指标和图像的纹理都达到了较优的复原效果。与近年较好的Rob Fergus去模糊方法和Xu Li去模糊方法相比, 对Lena模糊图去模糊后的结构相似度(SSIM)为0.762 4, 峰值信噪比(PSNR)提高了1.82~2.99 dB; 对Cameraman模糊图去模糊后的结构相似度(SSIM)为0.8589, PSNR提高了2.46~5.58 dB。 另外, 本文方法降低了复原图像的边界伪影, 符合人的视觉感知特性。

动平台激光主动成像系统所成图像被模糊的同时受到多种噪声的污染，传统的复原方法对噪声敏感，难以取得令人满意的结果。为此，提出基于方向滤波器组的激光主动成像图像复原方法，使用不同的方向滤波器组对含噪模糊图像进行滤波，估计模糊核函数。对于每个方向滤波器，计算核函数在垂直滤波器方向的Radon变换。接着使用Radon逆变换得到二维模糊核函数的最终估计。根据模糊核函数，即可复原出无噪清晰图像。搭建激光主动成像系统进行实验，结果表明与近年来一些较好的模糊盲复原方法相比，该方法不仅拥有更好的主观效果，同时在客观评价指标(PSNR)上也有所提高。

盲图像复原是在未知或不完全确知相关原始图像与成像点扩展函数的先验知识的情形下，利用所观测到的降质图像对原始图像和点扩展函数进行估计的一种图像处理方法。本文对近年来涌现出的主要盲图像复原算法进行了回顾，并根据相应的理论来源及相互联系将其划分为四大类，对各类复原算法及其改进算法进行了分析和讨论，为更清晰与深刻地认识和理解盲图像复原理论、解决实际图像降质问题提供参考。

针对传统的正则化盲复原方法中图像和点扩散函数( PSF)的保真项和正则项分别采用同范数约束致使复原图像的质量下降, 估计出的PSF准确性降低的问题, 提出了多范数混合约束的正则化图像盲复原方法。首先, 复原图像的保真项和正则项分别采用L1范数和全变分(TV)范数来消除复原图像中的阶梯效应并较好地保护复原图像的边缘。其次, PSF的保真项和正则项分别采用L2范数和H1范数以降低估计PSF时参数调节的难度。最后, 通过分裂布雷格曼迭代方法对提出的模型进行最优化求解。在人造模糊图像和真实模糊图像上进行了实验, 结果表明: 提出的方法能够对运动、散焦等多种模糊类型的图像进行有效复原, 并准确地估计出相应的PSF。与近年来一些较好的模糊图像盲复原方法相比, 不仅在主观视觉效果上有较为明显的改进, 而且在客观的改善信噪比(ISNR)上也提高了0.36 dB到14.66 dB。

基于变分方法提出了一种运动模糊退化图像的盲复原算法。考虑自然场景的图像梯度符合长拖尾概率分布, 提出的方法采用归一化的超拉普拉斯先验项作为变分能量方程中的光滑项, 从而有利于图像在去模糊的求解过程中正确解收敛。由于建立的能量方程不是严格凸的函数, 故引入了分裂方法进行求解。整个运动模糊退化图像的盲复原过程在多尺度框架下由粗到细尺度渐进执行。最后利用估计出的点扩展函数计算清晰图像。相对于传统的盲复原算法, 本文提出的算法不需要预测图像的梯度信息和对梯度进行筛选, 直接求解能量方程就能够得到相应的正确解。得到的结果验证了本文算法的有效性。