基于贝叶斯框架的图像去模糊方法
1. 引言
图像恢复（IR）的目标是从退化的观测中重建原始场景。在非受控环境中捕获的图像，由于成像和捕获过程的不完善，往往是原始图像的退化版本。这种退化可分为位移不变和位移可变两种类型，本文主要关注位移不变模糊。图像退化主要有模糊和噪声两大类，图像模糊可能由大气湍流、镜头失焦、光学系统像差以及成像系统与原始场景的相对运动等因素引起。自动图像去模糊在摄影、视频、天文学、断层扫描、生物医学成像技术、运动跟踪等领域具有重要的实际应用价值。
图像去模糊方法可分为非盲和盲去模糊两类。非盲去模糊方法已知模糊滤波器的信息，而盲去卷积则是在不知道退化和噪声的确切信息的情况下，从退化观测中估计原始图像。盲去卷积问题极具挑战性，因为仅从观测图像很难推断出原始图像和未知的退化情况。本文提出的方法属于盲去模糊类别。在实际应用中，模糊滤波器的脉冲响应（即点扩散函数，PSF）通常难以准确得知。非盲去模糊方法对所用PSF与真实PSF之间的不匹配非常敏感，对PSF的了解不足往往导致去模糊效果不佳。在盲图像去模糊（BID）中，不仅退化算子病态，而且问题本身也是严重不适定的，因为解的唯一性和稳定性无法保证，存在无数个与退化图像兼容的解（原始图像 + 模糊滤波器）。
在某些情况下，可以获取同一原始场景的多个退化图像，这有助于减少问题的不适定性。本文提出了一种从模糊图像中识别模糊模型及其参数以恢复图像的新方法，仅考虑高斯模糊和均匀模糊。该方法基于失真算子在图像傅里叶频谱幅度中引起的特定失真。为高斯和均匀模糊分别构建基于多个模糊图像的模板，将含噪模糊图像的傅里叶频谱幅度与模板进行比较以识别模糊模型，并从傅里叶频谱幅度阈值化图像中确定模糊参数。由于图像恢复问题的不适定性，利用自然图像的先验知识对其进
