双通道对比度先验（Dual-CP）是基于图像的亮通道和暗通道之间的差异来模拟对比度，故其在模糊图像盲复原中表现出良好的复原效果。但是，实际应用中图像亮通道和暗通道的值并不像理论研究的那样明显地分布在1和0上，为解决这一问题，提出一个联合双通道对比度先验和L₀正则化强度及梯度先验的模糊图像盲复原算法。其中，由于非凸的L₀极小化问题求解比较困难，利用半二次分裂法推导出一种有效优化算法。实验表明，所提算法在直观效果上有更明显的细节恢复能力，且在Levin等人、Köhler等人和Lai等人提出的基准数据集上平均峰值信噪比分别提高了2.1051 dB、1.1273 dB和0.4491 dB，平均结构相似性分别提高了0.1302、0.0599和0.0158。

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。

飞行器和空间成像制导装备在大气中高速飞行时会受到湍流干扰, 导致光学系统接收到的图像发生模糊降质、像素偏移、信噪比降低等问题, 开展退化图像复原技术及方法研究就成为空间光学成像系统获得较高性能图像的重要途径。通过对退化图像复原技术研究进展的系统梳理和分析研究, 本文首先介绍了图像退化模型, 接着给出了退化图像复原方法的分类, 然后比较系统地介绍了确定正则化图像复原方法、随机正则化图像复原方法、基于局部相似性的图像复原方法、基于示例学习的图像复原方法等几种新型的单幅退化图像复原方法, 其后分析了视频复原的特征、介绍了新近的几种典型的视频图像复原方法, 最后分析总结出了图像复原的难点所在。对于促进我国退化图像复原技术的研究和发展具有一定的参考价值。

为了实现运动模糊图像的盲复原,提出了一种基于l₁/l₂的高低阶全变差图像盲复原方法。利用具有更强稀疏表达能力的l₁/l₂范式正则化先验项,加入高低阶混合全变差正则化模型。高阶全变差正则化模型可以抑制图像非边缘部分可能出现的阶梯及振铃效应,低阶全变差正则化模型可以保护自然图像的边缘稀疏特性。分别给出了清晰图像和模糊核的求解算法,两者的求解过程采用分裂Bregman迭代算法将目标函数分裂成多个子问题进行优化求解。实验结果表明,提出的方法能够很好地抑制振铃效应并保护图像的边缘细节,通过与其他盲复原方法进行比较,在视觉质量与客观质量评价上均说明本文算法具有更好的稳健性。

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。

针对现有图像盲复原迭代算法多存在耗时较长和难以保证收敛性等问题, 提出一种改进的快速算法.首先根据指数律重建原始图像的频谱, 然后利用原始图像和降质图像的频谱关系, 采用多方向综合估计方法得到点扩散函数.多方向综合估计方法可降低估计误差, 增加算法的稳定性.最后利用得到的点扩散函数和维纳滤波法进行图像重建.与现有算法的对比实验结果表明, 针对适合大量成像系统的G类点扩散函数, 本算法可以得到更准确的点扩散函数估计, 且降低了振铃效应的影响, 取得更好的图像复原效果.

受噪声和图像边缘结构信息的影响，传统的图像盲复原方法易出现“振铃”、“拖尾”、“阶梯”等现象。为解决上述问题，本文利用图像的后验信息、点扩散函数（PSF）的稀疏性以及l1, l2两类范数在约束中的不同作用，提出了一种更一般的非凸高阶全变差正则化自然光学图像盲复原模型。针对提出模型的非凸优化问题，在数值求解过程中对模型的范数结构进行改进，引入Split-Bregman权值迭代方法，提高了计算精度。对人工模拟退化图像和真实图像进行了实验测试。结果表明，提出的方法能够对多种退化类型的图像进行有效复原，复原后的图像边缘保持良好，细节和纹理的处理都优于最近文献提出的模型。客观评价结果显示，相比最近文献的模型，提出模型的峰值信噪比最大可以提高2.08 dB，信息熵值最大可以提高1.14个单位。