盲卷积
-
-
-
-
-
图像梯度先验的图像盲去模糊复原算法
本项目主要实现了一种鲁棒的图像盲去模糊处理技术，其核心任务是在模糊核完全未知的情况下，仅从观测到的模糊图像中同时恢复出原始清晰图像和点扩散函数。该算法模块能够自动识别并补偿由于拍摄设备抖动、目标高速运动或光学系统对焦失准造成的图像退化现象。具体实现过程中，采用了基于变分推断或极大后验概率估计的多尺度优化方案，通过引入图像梯度的重尾概率分布作为先验约束，有效解决了盲反卷积中的病态反演问题。功能模块包括了图像退化模型的建立、自适应模糊核预测、非盲解卷积复原以及图像伪影抑制处理。该源码特别针对大尺度模糊核和信噪 -
基于极大似然估计的多帧图像盲反卷积复原系统
本项目旨在解决由于光学系统模糊、大气湍流或物体运动引起的图像降质问题。通过极大似然估计（MLE）算法，在点扩散函数（PSF）和原始图像均未知的情况下进行盲反卷积复原。核心算法利用了多帧图像的一致性约束，假设同一场景在不同时间或视角下捕获得到多张模糊图像，且不同帧之间的运动轨迹或模糊核存在差异。系统通过迭代更新策略，交替优化潜藏的原始图像估计值和每一帧对应的点扩散函数，直到达到预设的似然函数最大值或收敛条件。相较于单帧盲反卷积，该方法利用多帧数据提供的冗余信息，能够有效降低复原过程中的病态性与模型不确定性， -
基于总变分最小化的盲图像复原系统
总变分最小化是一种以保存图像细节为目标的规整化复原方法。在图像恢复技术中，总变分最小化是一种以保存图像细节为目标的规整化复原方法，由于其对边缘信息的有效保护，在处理不适定性问题时具有显著优势。本项目的功能是实现一套完整的图像盲复原算法，其核心目标是解决在点扩展函数（PSF）未知的情况下，从模糊且带噪声的观测图像中提取清晰原始图像。 算法基于总变分最小化的理论思想，通过构建包含L1范数正则化项的目标函数，有效约束了图像的梯度分布。在实现方法上，项目采取了交替最小化的精确迭代策略，通过在迭代过程中交替固定图像
