本文介绍了一种基于图像结构的方法来估计单个模糊图像的好核估计值。文章提出的方法包括基于Total Variation的图像去噪，梯度选择方法，新的核估计方法和基于自适应加权空间先验的潜在图像恢复，这些方法的有效性在各种具有挑战性范例上都得到了证明。

Dec, 2012

本文对图像去模糊技术的最新发展，包括非盲目/盲目、空间不变/变异去模糊技术进行了综述，通过分析现有方法如何处理去模糊任务中的病态问题，将现有方法分为五类：贝叶斯推断框架、变分方法、稀疏表示方法、单应性建模和区域方法。虽然这些方法已经取得了一定的发展，但是图像去模糊，特别是盲目情况下，受到复杂的应用条件的限制，使得模糊核很难获取。本文针对这一问题进行了系统的综述，并提出了未来的发展方向。

Sep, 2014

本文提出了一种基于数据驱动的判别性先验的有效盲图像去模糊方法，通过深度卷积神经网络学习得到的固定分类器可以帮助在不同场景下的图像去模糊，同时使用半二次分离法和梯度下降算法解决非线性问题。

Mar, 2018

本文介绍了一种基于self-example prior和Multi-Scale Latent Structures的盲图像去模糊算法，该算法在图像金字塔上从粗到细地重建清晰图像，并利用快速本地自匹配、加速的核估计和快速非盲图像去模糊等方法来实现更低的计算复杂度。该算法在处理非均匀盲图像去模糊问题时表现出了竞争性的性能。

Jun, 2019

该研究提出了一种用于处理动态场景运动去模糊的有效像素自适应和特征关注设计，并使用有效的内容感知全局-局部过滤器模块，通过动态利用相邻像素信息和全局依赖性来显著提高性能，从而 surpassed其他先前的去模糊方法。

Apr, 2020

本篇论文提出了一种用于图像去模糊的简单而高效的算法，其通过预处理Richardson解算器，使用模糊核和自然图像先验核的近似逆滤波器，以卷积的形式代替通用的线性预处理器，可以实现图像间高效的参数共享；同时利用CNN嵌入学习预处理器与辅助变量的 proximal operator，进一步提高了算法的鲁棒性与准确性，使其成为非盲目图像去模糊领域中性能更出色的算法。

Jul, 2020

针对图像复原中存在的多种可能解决方案，本文提出了一种基于条件扩散模型的盲去模糊方法，使用确定性预测器和随机采样器产生多个可能的重建结果，相比现有技术在图像感知质量上有了显著提高。

Dec, 2021

该论文综述了基于深度学习的图像去模糊方法，包括问题的起源、数据集、性能度量、方法分类、应用及挑战与未来方向。

Jan, 2022

在本文中，我们开发了一种数据驱动方法来对饱和像素进行建模，并提出了基于学习的潜变量映射进行非盲目去模糊处理的最大后验(MAP)问题，可通过迭代计算潜变量映射和潜变量图像来有效解决。为了提高去模糊图像的质量并避免加大伪影，我们开发了先验估计网络(PEN)来获取先验信息，并将其融入到RL方案中。实验结果表明，所提出的方法在合成图像和真实世界图像上在定量和定性方面都表现出色，优于现有的算法。

Aug, 2023

该研究论文提出了一种处理动态场景运动去模糊问题的方法，通过像素自适应和特征注意设计以及内容感知的全局-局部滤波模块和像素自适应的非均匀采样策略，在去模糊的基准测试中与现有方法进行了广泛的定性和定量比较，取得了优异的性能。

Feb, 2024