广义稀疏模型提升的图像盲去模糊算法：高效与精确并存

本文主要探讨的是"基于广义规范化稀疏模型的图像盲去模糊算法"，针对现有基于规范化稀疏先验的图像去模糊方法存在的问题，如估计精度较低、计算速度较慢以及对参数选择的敏感性，作者提出了一种创新性的解决方案。具体而言，他们通过引入Tikhonov正则化来增强广义规范化稀疏模型，并将其作为中间清晰图像和运动模糊核的联合先验约束。这种模型的使用旨在提高去模糊过程的精度和稳定性。 作者们采用算子分裂和交替方向乘子法（ADMM）相结合的技术，结合快速傅里叶变换（FFT），设计了一种高效的目标函数优化策略。这种方法的主要目标是同时优化中间清晰图像和运动模糊核，从而实现盲去模糊。这种方法的优点在于其计算效率高，能够在保持较高估计精度的同时，有效避免了传统方法可能出现的"振铃效应"，即在去模糊后的图像边缘出现过度锐化的现象。 实验部分，作者在标准测试集以及实际彩色模糊图像上验证了新方法的有效性和鲁棒性。实验结果显示，相较于现有的盲去模糊方法，他们的算法在估计精度和计算效率方面具有显著优势。此外，通过与相关文献进行对比，进一步证明了所提方法的优越性能。 文章的作者团队包括杨常星、邵文泽、葛琦和李海波，分别来自南京邮电大学通信与信息工程学院，他们在图像处理、统计视觉计算、计算机视觉和新媒体技术等领域拥有丰富的研究背景。其中，杨常星和邵文泽是男性学者，而葛琦和李海波则是女性学者，分别担任副教授、讲师和教授职务。 本文的研究成果不仅填补了规范化稀疏先验在图像盲去模糊领域的空白，也为图像处理领域提供了新的思考视角和实践工具，对于提升图像质量、降低计算负担具有重要意义。关键词包括“图像盲去模糊”、“规范化稀疏先验”、“振铃效应”和“交替方向乘子法”，这反映了文章的核心研究内容和技术路线。