1.1 研究目的及意义

随着现代科技的发展，推动了数字信息的发展和研究，同时人们获取和传递信息的方式变得多种多样，图像在这些应用中变得越来越重要。人们接触最多的就是现在随处可见的彩色图像，除此之外还有灰度图，黑白图像等各类型图像。许多领域现在都离不开这些多种多样的图像，无论是交通行业领域，生物医学领域，还是数字媒体等领域，都需要对图像大规模的处理和应用。

与此同时，随着人们生活水平的日益提高，不同的图像获取方式也变得越来越便捷，航空领域的无人机；生物医学领域的各种先进的拍片技术；数字媒体领域的智能手机和相机。这些高技术的图像获取技术依然伴随着一些常见问题，如图像存在噪声，图像分辨率低，图像模糊等各种问题。在这些问题中，图像模糊问题非常受人关注。造成图像模糊有许多原因，其中包括光学因素、大气因素、人工因素、技术因素等等，其中很主要的一个原因是成像设备和所被拍摄物体之间存在一定的相对运动，不同程度的相对会造成不同程度的模糊程度。无论是航空领域高速飞行的无人机拍摄的照片和还是人们生活中随手用手机拍摄的照片都很容易因为抖动造成模糊。图像一旦出现了模糊，也就是我们常说的退化现象之一，图像的利用率会大大降低，造成一定程度上的影响，比如并且在很多领域中，拍摄的图像耗费巨大，不适合进行第二次拍摄。

图像模糊问题的普遍性和所带来的后果问题清晰可见，运动图像去模糊问题也成为了各个领域研究的热点，图像复原所带来的优便之处也受到人们的青睐，因此运动图像去模糊问题具有很大的研究意义。

1.2 国内外研究现状

图像去模糊问题是从模糊图像中恢复出清晰的原始图像，一般我们把模糊过程的内核成为点扩散函数（PSF）,模糊过程就是点扩散函数和原始图像卷积，因此，图像去模糊问题就是进行反卷积，一般情况下，图像去模糊可以分为两种情况：盲去卷积和非盲去卷积，因为盲去卷积是一个非确定多项式（NP）问题，需要先将点扩散函数计算出来。

对图像去模糊问题比较传统的方法是先选用特定的PSF，与模糊图像进行反卷积。由模糊图像复原的最简单的方法是直接做逆滤波，直接逆滤波对噪声十分敏感，所恢复出来的图像几乎无法使用。诺伯特·维纳在二十世纪四十年代提出了维纳滤波，又称最小均方差滤波，用来去除含有噪声的模糊图像，其目标是找到未污染图像的一个估计，使它们之间的均方差最小，可以去除噪声，同时清晰化模糊图像。这种方法虽然在一定程度改善了噪声的影响，但是维纳滤波对于原始图像和噪声的功率谱都必须是已知的。这些方法都是有了特定的模糊核，但同时也带来了很多的局限性，对于不同场景不同大小的图片，模糊核通常是不一样的，因此盲去模糊的研究深受人们能关注。

盲去模糊，就是在不知道模糊核的情况下，根据模糊图像求解出清晰图像，引入图像和模糊核准确的先验知识，2006年，Rob#8194;Fergus等人介绍一种利用图像先验技术来盲去模糊的方法。利用零均值和高斯混合得到的梯度值分布模型作为清晰图片的先验，模糊核先验服从一个混合的指数分布。2009年，Cho等人介绍了一种快速去模糊方法，可在几秒钟内从中等大小的单张图像中产生去模糊结果。我们通过引入一个新的预测步骤并使用图像导数而不是像素值来加速迭代去模糊过程中的潜像估计和核估计。2011年，模糊图像比清晰图像有更低的能量，只有规范化稀疏算法正则在清晰图像处有极小值点，即正则项是1范数和2范数的比值。2015年，刘成云等人结合反映人类视觉特性的Weber定律对合成模糊图像和真是模糊图像进行盲复原。2016年，Gong D等人引入了一种梯度激活方法，在基于切面的核估计优化方案中自动选择潜在图像的梯度子集。张凯等人提出一种耦合非凸Lp范数和G 范数的图像去模糊方法，该方法利用Lp 范数作为正则项约束，保证了图像的稀疏性要求。2017年，杨常星等人提出了提出一种Tikhonov正则增强的广义规范化稀疏模型，且将其作为中间清晰图像和运动模糊核的共同先验约束'。现有的去模糊技术绝大多数基于不同的先验和梯度等进行不断的改进。

由此可见，对于图像去模糊问题的研究从未停止过，随着现代科技的不断进步，图像复原技术已经被越来越多的人关注，而图像去模糊问题的方法，也越来越多样化，人们在结合先前学者的研究成果下，不断加入自己的想法，使这方面的研究不断进步。

2. 研究的基本内容与方案

2.1设计的基本内容