非盲图像复原综述

非盲图像复原在数学上是一种典型的病态问题，也是计算机视觉领域的重要研究内容之一，其目标是在点扩散函数已知的情况下，由模糊图像估计出清晰图像，其研究重点是在改善图像清晰度和抑制噪声之间做出适当的折衷。近50年来，非盲图像复原取得了长足的发展，从早期的维纳滤波到当前的深度学习，学者们提出了数以百计的非盲图像复原算法，并应用在各个领域。本文首先介绍非盲图像复原的基本概念和研究意义，然后依据算法的属性对非盲图像复原算法进行分类概括，从总体上将其分为传统方法和深度学习方法，又进一步将传统方法细分为直接法和迭代法，并依据不同算法的模型特征，分析不同类别中主要算法的优缺点，同时结合多种典型实验，比较分析了一些代表性算法的复原性能，最后展望了非盲图像复原算法的发展趋势，归纳了重点研究方向。