采用分裂Bregman迭代的全变差盲反褶积

资 源 简 介

采用分裂Bregman迭代的全变差盲反褶积

详 情 说 明

分裂Bregman迭代的全变差盲反褶积是一种用于信号或图像复原的高效优化方法。它结合了分裂Bregman迭代技术和全变差（TV）正则化，适用于模糊核未知情况下的盲反褶积问题。

核心思想： 全变差正则化：通过最小化图像的梯度幅值来保持边缘锐度，避免过度平滑。 分裂Bregman方法：将复杂的优化问题分解为多个子问题，简化求解过程并提升收敛速度。 盲反褶积框架：同时估计清晰图像和模糊核，利用交替优化策略逐步逼近真实解。

适用场景： 低质量图像去模糊（如运动模糊、散焦模糊） 医学或遥感图像的超分辨率重建 其他需要联合估计信号和系统的逆问题

优势： 对噪声鲁棒性强 边缘保持效果显著 计算效率高于传统变分方法

该方法通过交替更新图像和模糊核的估计值，结合Bregman距离保证收敛性，是当前反褶积领域的主流技术之一。