光学遥感图像快速去模糊：变分解耦与高效算法

本文主要探讨了一种针对光学遥感图像的快速去模糊算法，该方法在解决非线性变分去模糊问题时具有显著的优势。作者提出的算法创新在于引入了辅助二次变量代理项，这使得原本复杂的变分模型得以解耦，从而将去模糊过程分解为两个交替进行的任务：去模糊和去噪。这种方法使得算法能够通过傅里叶域内的线性化去模糊滤波操作，结合子空间投影正则化去噪技术，实现高效且精确的图像恢复。 算法的核心思想是利用迭代优化策略，即在一个循环中，首先进行一次傅里叶域的线性去模糊滤波，接着进行子空间投影正则化去噪，这两个步骤交替进行，直至达到满意的图像清晰度和噪声抑制效果。这种方法不仅提高了去模糊的精度，而且由于减少了计算复杂性，大大加快了算法的执行速度。 通过与经典的梯度最速下降法（GD）进行比较，研究结果显示，这种基于变分解耦模型的算法在信噪比方面有显著提升，大约提高了约2分贝，这意味着在保持图像质量的同时，降低了噪声的影响。此外，算法的速度优势也非常明显，相比于传统的GD方法，其运行速度提高了整整一个数量级，这对于实时或大规模数据处理的应用场景来说，具有极大的实用价值。 该研究对光学遥感图像处理领域具有重要贡献，尤其是在处理大气湍流高斯模糊和光学系统散焦模糊等常见模糊问题时，展示了其优越性能。关键词包括图像处理、遥感图像复原、全变差、代理泛函法以及快速算法，这些都反映出文章的核心关注点和技术创新点。这项工作为光学遥感图像的实时处理提供了一个高效且精确的解决方案，具有很高的学术价值和实际应用潜力。