图像处理系列：一、梯度L0范数正则化的运动模糊核估计算法

最新推荐文章于 2024-06-06 09:47:29 发布

zhangg_chuan

最新推荐文章于 2024-06-06 09:47:29 发布

阅读量3.8k

点赞数

分类专栏：图像处理文章标签：图像处理正则算法 kernel 去模糊

本文链接：https://blog.csdn.net/neo_qiye/article/details/50931624

版权

图像处理专栏收录该内容

5 篇文章 3 订阅

订阅专栏

这是我的第一篇关于去模糊算法的博客，本人也是新手，难免会出错，如有问题，欢迎网友与我交流讨论，谢谢大家，希望能够给您带来帮助。
这篇博客的思想来自于文章：**Fast L0-Regularized Kernel Estimation for Robust Motion Deblurring**，欢迎读者下载文章阅读。
去模糊算法的问题模型为：![其中B代表模糊图像，I代表目标图像，K代表模糊核，epsion代表噪声](https://img-blog.csdn.net/20160319163445579)。
## L0正则化估计模糊核 ##
梯度的L0范数表示了图像的稀疏特性，自然图像的梯度分布可用超拉普拉斯分布近似。
目标函数：
![函数中x和y均代表图像的梯度，原文如是](https://img-blog.csdn.net/20160319171208652)
求解过程：