图像盲恢复的算法研究

合集下载

一种改进的图像盲复原算法

作者简介：定允（９９，，南项城人，教授，士，吴１５一）男河副硕主要从事信号处理和检测技术的教学和研究工作．
第２８卷第２期
吴定允，：等一种改进的图像盲复原算法
值．
图像盲复原，是利用原始的模糊图像来同时预估计ＰＦ和清晰图像的一种图像恢复方法．关Ｓ其键是建立图像的退化模型，图像的盲复原框图如图
１所示．
田●膏量曩Ｉ墨Ｉ
在实际的应用中，常要在不知道点扩展函数的情通况下，退化图像估计出原始图像，从这种退化模型的估计问题常常被称为图像盲复原（ｌｄＩｇＢｉｍａｅｎＲｓｒｔｎＢＲ）由于可以利用的经验知识比较ｅｔａｉ，Ｉ．ｏｏ少，图像盲恢复是困难的，它有着较强的应用背但景口，］因此，图像盲恢复的研究引起越来越多学者
盲反卷积算法通常去模糊效果好而去噪效果不理想等情况，研究提出两点改进：先，代盲解卷积算法恢本首迭
复图像之前对模糊带噪的退化图像进行改进的中值滤波去噪；次，恢复出来的图像，过找到内部灰度变其对通
存在的问题是所求的逆不是唯一的或是病态的．而
去噪；次，恢复出来的图像，过找到内部灰度其对通

基于图像先验和结构特征的盲图像复原算法

＝ａｇａ — 吾ｒｍｘ —— —一（］５）
对于同一幅模糊图像ｙＰ（），Ｙ固定不变，以式所
（）５可简化为
＝ａｇａＰ（ＩＰ）ｒｍｘＹ）（
式中，是原始清晰图像；是模糊核；模糊图ＨＹ是
ＡｉｓｏａｉｎａｅｒｓｄｏＩａｅＰｒｏｒｎｄＢｌｎｄＲｅｔｒｔｏＦｒｍｗｏｋＢａｅｎｍｇｉｓａ
ＳｔｕｔｅＦｅｔｅｒｃｕｒａｕｒｓ
ＧＮＺｎ－ａｇＩｉｅ，Ｈｉ－ｈｎＡｏｇｌｎ，ＱＵＹ — ｎＺＵＸｕｃａｇｉｗ
Ｈ＝｛ｐ）ｉ，，… … ，Ｈ（１＝１２３｝
式中，Ｐ为离散化的模糊核参数。然后对模糊图像Ｙ采用由不同的模糊核参数得
到的模糊核进行去卷积，到对应的一系列复原图得
观质量较好，算法需要用户在模糊图像中划出一但
的同时，过迭代的方法交互估计去模糊图像和模通
糊核，这类方法针对一类模糊，且计算时间较长。针对模糊核参数未知的情况，对模糊核参数进
原图像。盲复原算法的流程框冈，图１所示。如
行离散化，规避模糊核的估计，用离散化的模糊核利
ｔｅｌｒｉｇｙｕｉｈｓｓｒｔｌａａｅｅｓｉｅｏｏｕｅｎｏｒｓｏｄｎｅｏｓｒｃｉｎｈｎｂｕｍａｅｂｓｎｇｔｅｅｄｉｃｅｅｂｕｒｐｒｍｔｒｓｄｃｎｖｌｔｄａｄｃｒｅｐｎｉｇｒｃｎｔｕｔｏ

数字图像篡改盲检测算法研究的开题报告

数字图像篡改盲检测算法研究的开题报告一、研究背景数字图像广泛应用于各个领域，包括数字媒体、计算机视觉、医学图像处理、安全监控等。

由于数字图像易于获取、复制和传播，数字图像篡改成为了一个严重的问题。

数字图像篡改分为有意篡改和无意篡改，其中有意篡改包括插入、删除、移动和替换等。

数字图像篡改会导致图像的质量和内容受到损害，进而影响到相关领域的正常运行和应用效果。

因此，数字图像篡改检测变得越来越重要。

随着数字图像篡改技术的发展，数字图像篡改检测算法也应运而生。

然而，传统的数字图像篡改检测算法主要基于图像处理技术，需要先进行复杂的前期处理，实现非盲检测，即需要先知道图像被篡改的部分，才能进行相应的处理。

而对于无意篡改和未知篡改的情况，这些传统算法的效果往往较为有限。

因此，更加实用的数字图像篡改检测算法需要具备一定的自适应能力，能够在不知道图像是否被篡改以及被篡改的部分的前提下，快速、准确地检测图像是否被篡改。

基于此，本文将研究数字图像盲检测算法，旨在提高数字图像篡改检测技术的实用性和效率。

二、研究内容和方法本文将研究数字图像盲检测算法，主要包括以下内容：1. 数字图像篡改检测技术综述。

回顾数字图像篡改检测算法的发展历程，包括传统的图像处理技术以及基于深度学习等先进技术的应用。

2. 数字图像盲检测算法的设计与实现。

本文将选择一种基于深度学习的数字图像盲检测算法进行研究。

在算法设计过程中，涉及到图像特征提取、模型训练和校验等步骤。

3. 实验测试和数据分析。

将选取一定数量的真实图像和已知被篡改的数字图像，通过对算法进行测试和分析，验证其在盲检测方面的实用性和效率。

三、预期成果本文的预期成果如下：1. 形成一篇完整的数字图像盲检测算法研究论文。

2. 实现一种基于深度学习的数字图像盲检测算法，能够在未知篡改情况下准确、快速地检测数字图像的篡改情况。

3. 对算法进行实验测试和数据分析，验证其在盲检测方面的实用性和效率，为相关领域的应用提供有效的技术支持。

使用盲反卷积算法恢复模糊图像

该示例读取一副灰度图像。Deconvblind功能可以处理任何尺寸的阵列。该示例读取一副灰度图像。Deconvblind功能可以处理任何尺寸的阵列。 I = imread('cameraman.tif'); figure;imshow(I);title('Original Image'); text(size(I,2),size(I,1)+15, ... 'Image courtesy of Massachusetts Institute of Technology', ... 'FontSize',7,'HorizontalAlignment','right');
要拓宽面积，我们使用imdilate以及在结构元素中通过，se。要拓宽面积，我们使用imdilate以及在结构元素中通过，se。 se = strel('disk',2); WEIGHT = 1double(imdilate(WEIGHT,se)); 靠近边界的像素也指定为0 靠近边界的像素也指定为0。
[JF PF] = deconvblind(Blurred,OVERPSF,30,[],WEIGHT,FUN); figure;imshow(JF);title('Deblurred Image');
如果我们使用超大尺寸的初始PSF，OVERPSF，并且没有限制函数,FUN，如果我们使用超大尺寸的初始PSF，OVERPSF，并且没有限制函数,FUN，由此产生的图像与在第三步所得到的不是令人满意的图像与J2类似。由此产生的图像与在第三步所得到的不是令人满意的图像与J2类似。注意，在FUN函数被省略之前，任何未指定的参数，例如在本例中的注意，在FUN函数被省略之前，任何未指定的参数，例如在本例中的 DAMPAR 和 READOUT ，不需要一个占位符([]). ，不需要一个占位符([]).

基于2-D公共因子提取的单幅图像盲复原研究

统仿真技术
ＳｓｅＳｍｕａｉｎＴｃｎｌｇｙｔｍｉｌｔｏｅｈｏｏｙ
Ｊ．，０ａｎ２０８
Ｖｏ．．．１１４ＮＯ
第４卷第１期
中图分类号：Ｎ９１７Ｔ１．３文献标识码：Ａ
Ａｂｔｃ：ｈｔｏｆ２ＤｒａｏｓｒｔＴｅｍｅｈｄｏ－ｇｅｔｍｍｏｉｉｒ（Ｄ）ｅｔｃｉｎｃｎｂｓｄｔｅｔｒｅｂｕｒｄａｃｎｄｖｓｏＧＣｘｒｔａｅｕｅｒｓｅｔｌｒｅａｏｏｏｈ
些条件下并不能满足，大限制了此方法的应用。发展了一种基于２Ｄ公共因子的单幅图像盲复原方法，用２Ｄ极－利－公共因子提取从一幅降晰图像中估计降晰函数，利用经典的图像反卷积技术，而复原原始图像，真实验证明再从仿
了该方法的有效性。
关键词：－２Ｄ公共因子提取；像盲复原；反卷积图
ＲｅｅｒｈｏｉｄＲｅｔｒｔｎｏｅＢｌｒｅｇｓａｃｎＢｌｓｏａｉｆＯｎｕｒｄＩｎｏｍａｅ
ＢａｅｎＥｔｃｉｎｏ－ｓｄｏｘｒｔｆ２ＤＧＣＤａｏ
ｉｇ．ｍａｅＨｏｗｅｅ，ｔｏｂｕｅｍａｅｒｅｕｒｄｆｒｔｓａｐｏｃＴｈｓｏｄｉｏｃｎｕｓｌｙｏｅｖｒｗｌｒｄｉｇｓａｅｒｑｉｅｏｈｉｐｒａｈ．ｉｃｎｔｎａｕａｌｎｔｂｉｓｔｓｉｄ，ＳｈｓａｉｆｅＯｔｉｍｅｈｄｉｉｉｄｒａｌ．Ａｅｔｏｓｌｍｔｇｅｔｙｅｎｗｍｅｈｄｉｐｏｐｓｄｆｒｉａｅｒｓｏａｉｎｗｉｎｅｔｏｓｒｏｅｍｇｅｔｒｔｔｏｏｏｈｂｕｒｅｍａｅｂａｅｎ２Ｄｌｒｄｉｇｓｄｏ－ＧＣＤｘｒｃｉｅｔａｔｏｎ．ｒｔＦｉｓｌｙ，ｔｅｂｌｒｉｕｃｉｎｉｓｉａｅｙ２－ＧＣＤｘｈｕｒｎｇｆｎｔｓｅｔｏｍｔｄｂＤｅ — ｔａｔｏｃｏｄｎｇｔｎｌｒｅｍａｅＴｈｎｔｅｃａｓｃｌｄｃｎｖｌｉｎｔｃｉｕｅｉｘｌｉｅｒｉａｒｃｉｎａｃｒｉｏｏｅｂｕｒｄｉｇ．ｅｈｌｓｉａｅｏｏｕｔｅｈｎｑｓｅｐｏｔｄｆｍｇｅｏｏｒｓｏａｉｎ．ｉｕａｉｎｒｓｌｓｓｏｔａｈｒｐｓｄａｇｒｔｅｔｒｔｏＳｍｌｔｏｅｕｔｈｗｈｔｔｅｐｏｏｅｌｏｉｈｍｓｅｃｅｔｆｒｂｕｒｎｍａｅｒｓｏａｉｎｉｆｉｎｌｒｉｇｉｇｅｔｒｔｏｉｏ

盲图像复原研究现状

摘要：盲图像复原是在未知或不完全确知相关原始图像与成像点扩展函数的先验知识的情形下，利用所观测到的降质图像对原始网像和点扩展函数进行估计的一种图像处理方法。本文对近年来涌现的主要盲图像复原算法进行了回顺，
并根据相应的理论来源及相互联系将其划分为四大类，对各类复原算法及其改进算法进行了分析和讨论，为更清晰与深
Ｒｅｓｅａｒｃｈｓｔａｔｕｓｏｆｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎ
ＣＡＯＬｅｉ＇，。ＣＨＥＮＨｏｎｇ — ｂｉｎ‘
，
，
ＱＩＵＱｉ，ＺＨＡＮＧＪｉａｎ — ｌｉｎ ’ ，ＲＥＮＧｅ，ＸＵＺｈｉ — ｙｏｎｇ，ＺＨＡＮＧＢｉｎ
：｝：ＣｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒＥ— ｍａｉｆ：ｔｅｒｒｙｔｓａｏ＠１２６．ｃｏｎｒ
Ａｂｓｔｒａｃｔ：Ｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎｉｓａｎａｐｐｒｏａｃｈｔｏｅｓｔｉｍａｔｅｂｏｔｈｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅａｎｄｔｈｅｐｏｉｎｔｓｐｒｅａｄｆｕｎｃｔｉｏｎｆｒｏｍｄｅｇｒａｄｅｄｉｍａｇｅｓ，ｗｈｅｎｔｈｅｒｅｉｓｎｏｏｒｌｉｔｔｌｅｋｎｏｗｌｅｄｇｅｏｆｔｈｅｐｏｉｎｔｓｐｒｅａｄｆｕｎｃｔｉｏｎｏｆｔｈｅｄｅｇｒａｄ — ｅｄｐｒｏｃｅｓｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅｍａｉｎａｌｇｏｒｉｔｈｍｓｏｆｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎａｒｅｒｅｖｉｅｗｅｄａｎｄｃｌａｓｓｉｆｉｅｄｉｎｔｏｆｏｕｒ

多信道图像盲复原算法

ｎｌｍａｅ．ｒｔｙｔｅｐｉｒｍｏｅｓｏｈｒｇｎｌｉｇ，ｏｎｐｅｄｆｎｔｎｎｈｂｅｖｄｉｇｓｗｅｅｒｃｎｅｇｓＦｉｓｌ，ｈｒｏｄｌｆｔｅｏｉｉａｍａｅｐｉｔｓｒａｕｃｉｓａｄｔｅｏｓｒｅｉｏｍａｅｒｅｏ — ｓｒｃｅｆｏｗｈｃｈｒｏｉｔｉｕｉｎｆｔｅｗｅｅｏｔｉｅｓｃｎｌ，ｈｍｍａｄｓｒｕｉｎｗａｓｄｔｅｔｕｔｄ，ｒｍｉｈｔｅｐｉｒｄｓｒｔｓｏｈｍｒｂａｎｄ；ｅｏｄｙｔｅＧａｂｏｉｔｉｔｓｕｅｏｄ — ｂｏｓｒｅｔｅｕｋｏｄｌｐｒｍｅｅｓｆａｌ，ａｅｎｔｅｉｆｒｎｅｏｈｘｐｓｅｉｒｐｏａｉｔ，ｈｐｉｌｒｉｃｉｈｎｎｗｎｍｏｅａａｔｒ；ｉｌｂｓｄｏｈｎｅｅｃｆｔｅｍａｏｔｒｏｒｂｂｌｙｔｅｏｔｂｎｙｉｍａｉ — ｏｇｎｌｍａｅａｄｔｅｐｉｔｓｒａｕｃｉｎｒｓｉｔｄｕｉｇｔｅｅｉｅｃｎｌｓｓｍｅｈｄＣｍｐｒｄｔｈｉｇｅａｉｇｎｈｏｎｐｅｄｆｎｔｓｗｅｅｅｔｏｍａｅｓｎｈｖｄｎｅａａｙｉｔｏ．ｏａｅｈｔｅｓｎｌ
关键词图像复原，叶斯框架，贝先验模型，和模型，道互质调信

基于MAP估计的自适应光学图像非对称多帧盲复原

基于MAP估计的自适应光学图像非对称多帧盲复原一、绪论- 研究背景与意义- 相关研究现状- 研究内容和方法论二、MAP估计基础- MAP估计原理介绍- MAP估计的数学形式- MAP估计在图像处理中的应用三、自适应光学图像非对称多帧盲复原技术- 自适应光学图像非对称多帧盲复原的基本原理- 利用MAP估计实现自适应光学图像非对称多帧盲复原的具体步骤- 实验结果及分析四、算法优化- 算法缺陷的分析与评估- 采用适当的优化方法对算法进行优化- 实验结果对比分析五、结论与展望- 总结本文的研究成果和发现- 说明该算法的优势和局限性- 展望未来此算法在其他方面的应用和拓展注：MAP估计是极大后验概率估计，应该是Maximum a posteriori estimation，而非Mean absolute percentage。

第一章节：绪论随着现代科学技术的不断发展，计算机视觉技术已经得到了广泛应用，在图像处理、计算机视觉、计算机图形学、物体识别等领域起到了重要的作用。

在这些领域中，图像复原一直是一个重要的问题。

图像复原的目的是通过先进的数学算法恢复受到噪声污染、脏污影响或其他干扰因素影响的图像，使得它们更加清晰、准确、易读。

由于现实世界中的图像往往受到各种复杂的因素的影响，例如运动模糊、噪声干扰和误差等，这使得图像复原成为一项具有挑战性的任务。

因此，非对称多帧盲复原技术在图像处理领域中受到了广泛的关注。

在非对称多帧盲复原技术中，MAP（Maximum a posteriori estimation）估计是一种常见的方法，它利用了先验信息和似然函数来编制贝叶斯估计的形式。

MAP估计在数字图像处理中已经得到了广泛应用。

在多帧图像盲复原中，由于旋转或平移运动的存在，此类算法需要大量的先验知识，例如点扩散函数、图像移位矩阵、噪声方差等。

然而这些参数的估计存在一定的误差，容易导致估计结果偏差，降低算法的复原效果。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

图像盲恢复的算法研究
摘要：当点扩展函数未知或不确知的情况下, 从观察到的退化图像中恢复原始图像的过程称为图像盲复原。

近年来, 图像盲复原算法得到了广泛的研究。

本文在介绍了盲图像恢复算法的现状的基础上进一步研究其的发展方向。

关键词: 图像盲恢复现状前景
一、引言
图像恢复是图像处理中的一大领域,有着广泛的应用,正成为当前研究的热点。

图像恢复的主要目的是使退化图像经过一定的加工处理,去掉退化因素,以最大的保真度恢复成原来的图像。

传统的图像恢复假设图像的降质模型是己知的。

而许多情况下,图像的降质模型未知或具有较少的先验知识,必须进行所谓的盲恢复。

其重要性和艰巨性而成为一个研究热点。

目前所能获取的观测图像是真实图像经过观测系统成像的结果。

由于观测系统本身物理特性的限制,同时受观测环境的影响,观测图像和真实图像之间不可避免地存在着偏差和失真,称观测系统对真实图像产生了降质。

图像恢复的目的就是根据降质的观测图像分析和计算得出真实图像。

二、图像盲恢复算法的现状
总体来说, 图像盲复原方法主要分为以下两类: 一是首先利用真实图像的特别特征估计PSF,然后借助估计得到的PSF,采用经典的图像复原方法进行图像的复原。

这类方法将PSF的估计与图像的复原过程分为2个不同的过程,因而具有较少计算量的特点；二是PSF辨识和真实图像估计相结合,同时辨识PSF和真实图像。

这类算法较为复杂,计算量较大。

另外,对于点扩展函数也考虑了空间变化的复杂情况。

针对目前的盲复原算法的现状,根据退化模型的特点, 重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。

（一）单通道空间不变图像盲复原算法
在这类算法中, 最为常用的是参数法和迭代法。

1）参数法。

所谓参数法, 即模型参数法, 就是将PSF和真实图像用某一类模型加以描述, 但模型的参数需要进行辨识。

在参数法中, 典型的有先验模糊辨识法和ARMA 参数估计法, 前者先辨识PSF的模型参数,后辨识真实图像, 属于第1 种类型的图像盲复原算法, 因而计算量较小；后者同时辨识PSF和真实图像模型参数, 属于第2种类型图像盲复原算法。

2）迭代法。

所谓的迭代法, 不是通过建立模型而是通过算法的迭代过程, 加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。

迭代法是单
通道
图像盲复原算法中应用最广泛的一类算法, 它不需建立模型, 也不要求PSF 为最小相位系统, 因而跟实际更为接近。

在这类算法中, 迭代盲复原算法(IBD), 基于非负性和决策域的递归逆滤波器算法(NAR2R IF) ,基于高阶统计特性的最小
熵算法等最为典型。

（二）多通道二维图像盲复原
多通道二维图像盲复原, 这类方法将数字通讯领域应用的一维多通道盲原分离算法扩展到二维情况并用于图像的盲恢复。

这类算法中有两种代数方法, 一种是先辨识模糊函数, 再采用常规的恢复算法进行复原；另一种是直接对逆滤波器进行估计。

此类算法的优点在于不需对初始图像进行估计, 也不存在稳定性和收敛性问题,对图像以及模糊函数的约束是松弛的,算法具有一般性。

但是第1种算法要求采用复原算法具有收敛性；第2种算法对噪声敏感。

（三）空间改变的图像盲复原方法
在许多实际的应用中, 模糊往往是空间变化的,但由于处理工作的难度, 目前的研究较少,基本有相关转换恢复和直接法两类。

相关转换恢复的基本思想是区域分割, 即将整幅图像分为若干局部区域, 然后假设在各个局部区域模糊是空间不变的, 利用空间不变的图像复原有关算法进行复原。

这类方法都是基于窗口的模糊辨识技术, 图像的估计取决于窗口的大小, 由于模糊参数是连续变化的, 在范围较大时空间不变的假设是不成立的, 因而模糊的估计精度较差, 而且这种方法只能针对部分空间变化的模糊进行处理, 缺乏通用性; 其次在区域的边上存在振铃现象。

直接法的基本思想是直接对图像进行处理。

如采用简化的二维递推卡尔曼滤波器进行图像模型和模糊模型的直接转换方法, 其缺点是只能针对有限的模型, 而且模型数增加, 计算量会显著增大；采用共轭梯度迭代算法, 但只见到一个31×31 的文本图像处理的结果报道,对于大图像处理效果尚需进一步的研究；将空间变化图像系统建立成马尔苛夫随机模型,对复原过程,采用模拟退火算法进行最大后验估计的方法,这种方法避免了图像的窗口化, 并能克服模糊参数不连续性造成的影响,但这种方法只能局限于将模糊过程建立成单参数的马尔苛夫随机模型的情况,而且计算量也较大。

三、图像盲恢复的应用前景
(1)现有算法的改进以及新的算法研究。

现有各种算法还存在许多不足,有必要对算法进一步改进。

如IBD算法中, 如何选择初始条件才能保证算法的收敛;如何选择算法终止条件才能保证恢复的质量; 如何选择滤波器中的噪声参数才能减少噪声的影响。

又如NAR2R IF算法中, 如何进一步解决噪声敏感问题,支持
域的确定以及如何将算法扩展到非均匀背景的情况等。

提出新的算法更好地解决图像盲复原问题, 也是今后研究的热点。

(2)基于非线性退化模型的图像盲复原算法。

在实际应用中,严格来讲,所有的退化模型都是非线性的。

对模型采用线性化的方法进行近似处理,虽然算法简单,但对非线性严重的情况处理效果并不理想。

基于多项式以及神经网络两种参数模型处理非线性信号盲分离算法,算法扩展到二维图像情况需要进一步研究。

研究基于非线性退化模型的图像盲复原算法也是下一步研究方向之一。

(3)去噪处理算法研究。

加性噪声的存在,使图像的复原问题变成了一个病态问题,而且由于一般假设只知道噪声的统计特性,因此要从退化图像中完全去除噪声是不可能的。

另外,由于噪声的存在,恢复的效果并不理想,结合降噪的图像盲恢复的算法研究有很现实的意义,这方面也进行了部分工作。

为克服噪声的影响,一般采用先进行降噪,后进行复原；二是将降噪和复原同时进行这两类方法。

目前,大多数算法中将噪声描述成高斯噪声进行研究, 在实际应用时有较大局限性。

对于非高斯情况的研究采用基于噪声的高阶统计特性的去噪算法研究也是很重要的研究方向,也可采用其他类型的方法进行降噪,利用自组织映射的非线性独立组件分析方法进行图像降噪处理算法。

(4)实时处理算法。

算法的的复杂性是制约算法应用的一个重要方面。

可采用正则化的离散周期Radon变换的方法将二维的卷积转化为一维进行处理,以提高算法的速度；也可采用神经网络的实时处理算法。

算法的实时性是算法实际应用的先决条件。

(5)应用研究。

算法的应用是推动算法研究的动力。

虽然图像盲复原算法在天文学、医学、遥感等方面获得了较大的应用, 但将算法应用到一般的工业图像实时检测、机器视觉、网络环境下的图像传输恢复、刑事侦破等方面还有大量的工作要做。

参考文献：
[1] 薛梅,杨绿溪.用于含噪二值图像的改进NAS-RIF图像盲复原算[J].数据处理.2006.17.(2).
[2] 唐挺,陶青川,何小海.基于小波去噪和图像分割技术的改进NAS-RIF盲图像复原算[J].成都信息工程学院学报.2004.19.(3).
[3] 刘琚,何振亚.利用SVD对带噪声的模糊图像进行盲复原.[J].数据采集与处理2002.17.(1).。