图像去模糊（约束最小二乘方滤波）

引言

这是图像去模糊的第三篇，接着上节说道逆滤波对噪声特别敏感。约束最小二乘方滤波（Constrained Least Squares Filtering，aka Tikhonov filtration,Tikhonov regularization）核心是H对噪声的敏感性问题。减少噪声敏感新问题的一种方法是以平滑度量的最佳复原为基础的，因此我们可以建立下列约束条件：

$$C = \sum\limits_0^{M - 1} {\sum\limits_0^{N - 1} {{{[{\nabla ^2}f(x,y)]}^2}} } \quad(1)$$
其约束条件为
$$||G - H\hat F|{|_2^2} = ||N |{|_2^2}\quad(2)$$
这里， $\hat F$是为退化图像的估计， $N$为加性噪声，拉普拉斯算子 $\nabla ^2$在这里表示平滑程度。

推导

如何求解这个式子呢，将上式表示成矩阵形式，同时将约束项转换成拉格朗日乘子项，可得到

||PF^||22