基于交替最小化总变分规整化的MATLAB图像盲复原系统

资 源 简 介

本项目采用交替最小化总变分规整化方法，实现对模糊图像与点扩展函数的联合估计。在MATLAB环境下迭代优化，有效抑制噪声并保持图像边缘细节，适用于高噪声场景。

详 情 说 明

基于交替最小化总变分规整化的图像盲复原系统

项目介绍

本项目实现了一种基于总变分最小化理论的图像盲复原算法。系统采用交替最小化策略，能够同时对模糊图像和点扩展函数（PSF，即模糊核）进行联合估计。通过总变分规整化技术，在有效抑制噪声的同时保持图像的边缘和细节特征，特别适用于高噪声环境下的图像恢复任务，可处理运动模糊、散焦模糊等多种退化情况。

功能特性

• 盲反卷积联合估计：无需预先知道点扩展函数，同步估计清晰图像和模糊核
• 总变分规整化：利用图像梯度的稀疏性先验，有效保护边缘信息
• 交替方向优化：采用交替方向乘子法（ADMM）实现高效稳定的迭代优化
• 噪声鲁棒性：专门针对高噪声环境设计，具有优异的噪声抑制能力
• 多指标评估：提供PSNR、SSIM等客观质量评估指标

使用方法

输入参数

1. 退化图像：灰度图像矩阵（uint8或double类型）
2. 噪声水平参数：高斯噪声标准差估计值
3. 迭代参数：最大迭代次数、收敛容差
4. 正则化参数：总变分权重系数、点扩展函数约束参数

输出结果

1. 复原图像：与输入同尺寸的清晰图像矩阵（double类型）
2. 估计的点扩展函数：模糊核矩阵
3. 收敛曲线：每次迭代的目标函数值变化趋势图
4. 质量评估指标：PSNR、SSIM等复原质量量化指标

系统要求

• MATLAB R2018b或更高版本
• Image Processing Toolbox
• 建议内存：4GB以上
• 支持的操作系统：Windows/Linux/macOS

文件说明

主程序文件实现了系统的核心功能，包括图像数据预处理、总变分规整化模型构建、交替最小化算法执行、收敛性判断以及结果可视化与评估。该文件整合了盲图像复原的完整流程，通过参数化配置支持不同退化场景下的图像恢复任务，并提供详细的中间过程监控和最终结果输出。