《Blur Kernel Estimation using the Radon Transform》

这篇论文的标题是《Blur Kernel Estimation using the Radon Transform》，作者是Taeg Sang Cho、Sylvain Paris、Berthold K. P. Horn和William T. Freeman，来自麻省理工学院和Adobe Systems, Inc.。这篇论文主要研究了如何使用Radon变换来估计相机抖动产生的模糊核，并提出了两种算法来恢复模糊的图片。以下是对论文各章节的详细解读：

摘要 (Abstract)

• 问题: 相机抖动导致的照片模糊是一个常见的问题，恢复模糊照片具有挑战性，因为模糊核和清晰图像都是未知的，这使得问题非常欠定。
• 方法: 通过分析图像中的边缘，有效地构建了模糊核的Radon变换，提出了两种估计空间不变模糊核的算法。
• 结果: 实验表明，这些算法在一般场景中达到了最新的技术水平，并且在人造场景和由小核引起的图像退化中产生了更优的输出。

1. 引言 (Introduction)

Radon变换的应用: Radon变换已被用于估计1D核以解释运动模糊，即假设相机沿直线移动。

与现有方法的比较: 与这些方法相比，本文引入了一个新的似然项，通过Radon变换来描述2D模糊核。这个项适用于任意核，并且不需要多尺度方法。作者在此结果上构建了一个高效算法，并展示了它能够恢复其他方法难以处理的图像。

贡献: 本文的主要贡献是通过分析图像中的边缘来构建模糊核的Radon变换，并描述了两种实用的算法来去除空间不变模糊，一个基于逆Radon变换，一个基于最大后验估计&#