基于神经网络的退化图像复原算法是一种通过训练深度学习模型来恢复退化图像质量的方法。这种算法利用神经网络的强大表示学习能力，能够学习从模糊、噪声等退化图像中提取出干净、清晰的原始图像信息。

本文研究了EPLL图像复原算法，该算法是基于外部图像库先验知识对图像进行复原。本文通过构建不同类型的图像库，将它们分别应用于不同类型的图像进行复原。得出的结论是，如果图像库是和待复原的图像是属于同一类型的，往往恢复效果相对不同类型的图像库的恢复效果会好一些。不同的图像库对同一个图像的还原始终会存在着一定差距。本文通过一个图像小块对算法进行跟踪，得出算法在不断迭代过程中对图像的优化会使得这种差距不断变小。最后本文提出了对算法作优化的建议，即预先判断图片的类型，通过寻找与图片相似的图片构建图像库，来对图片进行复原，效果会更好。

运动模糊图像复原算法研究.pdf

图像复原算法研究图像复原算法研究.pdf

在图像获取过程中，存在很多造成图像退化的因素，因此需要对图像进行复原。本文对现有的典型复原方法进行了综合分析。介绍了图像一般退化模型和运动模糊退化模型的建立方法；对退化模型的点扩散函数的估计方法进行了分析；对当前的一些复原算法进行了总结。对图像复原技术未来的发展方向进行了预测。

运动模糊图像复原算法实现及应用.docx

有约束降质图像复原算法的研究 ——运动模糊图像运动参数估计及复原算法的研究.doc

旋转运动模糊图像复原，复原效果佳，可以很好的提高图像质量，和图像信噪比

用真实的PSF函数和噪声强度作为参数进行图像复原

正则化方法是近年来流行的图像复原算法。研究了周期边界条件下Tikhonov正则化的预处理共轭梯度算法，提出了新的预处理矩阵和变化正则化参数的方法。正则化参数先取较大值，抑制复原图像中的噪声，得出收敛的结果来修正初始梯度；再取较小值，用来增强复原图像中的细节。对一组图像复原基准问题的实验结果表明，与当前流行的正则化图像复原算法比较，该算法的图像复原效果更佳。