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

本文介绍了一种基于图的盲图像去模糊算法，该算法通过将图像块解释为加权图上的信号来解决盲图像去模糊问题。该算法可通过稳健的滤波和尖锐度提升等优秀性能有效恢复出潜在的清晰图像，并在质量和数量上优于现有的方法。

Feb, 2018

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

本文提出基于Collaborative Learning的盲图像去模糊方法，通过引入Generator和Corrector两个模块，从数据驱动和基于知识的角度提取图像内在结构，可以严格证明其收敛于去模糊的最优解，同时在图像插值和边缘保持平滑等方面也表现出较高性能。

Jul, 2018

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

提出了一种具有半盲视觉效果的无监督图像去模糊算法，利用定制且未经训练的深度神经网络提出一种数据集自由的深度残差先验方法来解决内核误差的挑战，通过交替极小化算法对模型进行优化，该方法相比数据驱动和模型驱动方法具有更高的图像质量和内核误差鲁棒性。

Oct, 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

图像盲去模糊是从模糊图像中提取出清晰图像和模糊核的过程。本研究提出了一种新的先验（ReLU 稀疏性先验），能够在各种图像分布（自然图像、人脸图像、文本图像、低光图像、饱和图像等）上有效地估计模糊核。我们的方法在PSNR、SSIM和错误比等度量指标上保持高准确性的同时，推断时间比现有方法快三倍。当将我们的方法用作后处理单元时，可观察到在基于深度学习的方法中最先进的架构性能上的显著改进。

Jun, 2024

该研究针对盲图像去模糊中模糊核未知的问题，提出了一种自监督的多尺度去模糊方法，通过交替优化共同估计潜在图像和模糊核。研究显示该方法有效避免了传统优化方法中的复杂计算过程，特别在处理大型和真实世界模糊时表现出色。

Sep, 2024