为了快速准确地恢复湍流退化图像,提出了Huber正则 化Richardson-Lucy(R-L)加速迭代盲反卷积(IBD)算法。 根据图像滤波处理结果,采用Huber函数自适应地选择一阶范数和二阶范数正则化约束, 增加算法收敛速度同时提高图像细节和边界复原质量。引入基于泰勒级数的二阶矢量外推加速方法,进一步增加迭代的收敛速度。 实验结果表明,采用提议的算法需要的迭代次数较少,适用于实时性要求较高的场合,复原图像的主客观质量均有所提高。

针对原始非负支撑域受限递归逆滤波(NAS-RIF)算法存在的缺点, 提出了一种自适应的NAS-RIF图像盲复原算法。首先, 在NAS-RIF算法的代价函数中加入正则化约束项和空域加权因子, 通过自适应地调整正则化参数和空域加权因子来改善算法的抗噪性能, 并确保复原的逼真和平滑。然后, 在算法的每次迭代中, 采用图像分割技术找到准确的目标支持域, 并用背景的平均值取代非均匀背景。最后, 利用N步重置共轭梯度法优化代价函数, 加快了算法的收敛速度。在不同信噪比条件下对两种模糊图像进行了实验, 结果显示, 采用本文算法得到的信噪比增益(ΔSNR)分别为6.315 3 dB和8.910 6 dB, 表明该算法具有较好的噪声抑制和边缘细节恢复效果。对低信噪比的退化图像, 本文算法也能得到更好的复原结果。

在湍流退化图像复原研究中，为了消除大气湍流的影响，提出了一种基于先验信息和正则化技术的盲解卷积图像复原算法。该算法是以极大似然估计为基本原理，将目标图像和点扩展函数的先验信息以惩罚项的形式引入到极大似然函数中，同时利用正则化技术优化目标图像和点扩展函数的估计过程，以增加极大似然估计算法的收敛性和稳定性。通过退化图像的复原实验结果表明，该算法在退化模型完全未知的情况下，可以有效的实现对湍流退化图像的盲复原。