传统图像去模糊

图像先验及正则化

图像模糊成因主要用以下模型描述：

n 表示噪声。
图像去模糊方法主要分为盲去模糊算法（清晰图像x和卷积核即点扩散函数未知）和非盲图像去模糊（点扩散函数已知 ）。因为不同的原因导致不同的点扩散函数（大致分为散焦模糊、线性运动模糊、复杂模糊）并且导致模糊原因复杂，所以我们一般研究盲图像去模糊。因此传统方法去模糊问题问题主要是估计出点扩散函数，然后对模糊图像进行去卷积得到清晰图像。

经典图像去模糊算法

早期的经典图像去模糊算法主要是维纳滤波算法、RL滤波算法、总变分算法等由于这些方法未能充分利用自然图像的先验信息使得复原图像不精确并且主要用于非盲图像去模糊，所以这里不做过多讨论。

传统方法去模糊

鉴于经典方法去模糊的缺陷，后来的传统方发在经典方法的基础上充分利用了自然图像的一些先验信息（如这篇博客介绍了一些常用的先验信息以及他们的特点）来复原图像，，比如自然图像的稀疏性等，克服了原有方法的缺陷。一般利用自然图像的先验信息主要是通过大量统计图像的某种特点分布，获得自然图像相关的先验信息，并且将其作为正则化项（基于正则化技术）来改进图像的去模糊效果。

基于正则化技术

——