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。

在这项研究中，提出了一种新颖的正态曲率变化模型，该模型包括一个基于图像表面的正曲率先验信息的高阶正则化器，用于图像恢复。 此外，作者得出了建议的法向曲率诱导的高阶正则化函数的等效公式。 然后，他们使用著名的乘法器交替方向法设计了一种有效的算法来求解所提出的模型。 最后，他们通过将其与著名的快速总变异（TV）方法，分数阶TV方法和Hessian-核-范数正则化方法进行比较，评估了该方法在自然图像和生物医学细胞图像上的性能。 具体而言，该方法在峰值信噪比，收敛速度和恢复质量方面可以获得更好，更平衡的结果。

利用fista算法进行图像复原的matlab源码。

数字图像处理 图像复原matlab代码 维纳滤波 逆滤波 运动模糊 大气湍流模糊

关于图像复原技术很全面的一篇文章，很多数字图像复原的研究都参考此文献

对于泊松噪声污染下的模糊共聚焦图像复原问题，为解决传统方法中存在的阶梯效应，提出了一种基于Hessian矩阵范数的正则化方法.在泊松概率模型的基础上，该方法引入Hessian矩阵范数作为正则条件，并应用交替方向乘子法和梯度投影方法求解最优化模型.在激光扫描共聚焦显微镜实验中，所获得的复原图像质量优于传统方法，此结果证明了该方法可以有效地复原泊松噪声污染下的模糊共聚焦图像.

此为福州大学数字图像处理课程本人实验代码，包含基本的图像时域，空域增强，伪彩色，图像复原，变换域变化等

为提升水下图像的视觉效果, 提出了基于红色暗通道先验(RDCP)和逆滤波的水下图像复原算法。该算法首先简化Jaffe-McGlamery水下光学成像模型, 在此基础上, 利用RDCP消除水下成像过程中后向散射引起的图像雾化效果；然后结合各通道透射率图与光学传递函数的数学关系, 采用逆滤波去除前向散射分量；最后采用基于高斯分布的线性拉伸提高图像对比度。使用该算法与几种主流的水下图像处理算法对多种水下环境拍摄得到的图像进行处理, 并计算信息熵等客观评价指标。实验结果表明, 该算法能够更好地平衡图像的色度、对比度及饱和度, 视觉效果更接近自然场景下的图像。

煤矿智能视频监控中常常碰到许多雾尘图像且伴有各种随机噪声,对应的图像降质严重影响了后续视频图像处理工作,因此提出一种基于暗原色先验与双边滤波器的去雾除尘和同步去噪算法。结合已有的大气散射物理模型,推导建立煤矿雾尘图像退化模型。考虑煤矿雾尘图像的特点,设计基于暗原色先验知识的大气光、粗略透射率估计的方法与步骤。分析粗略透射率图的优化要求以及双边滤波器的特性,引入联合双边滤波器快速获得精细透射率图。依据图像退化模型构建正则化目标函数,求取转换图像并进行高斯双边滤波,获得复原图像并同步实现噪声的有效去除。实验结果验证了算法的有效性,与已有去雾算法相比计算效率有较大提高,且复原质量良好适合于煤矿智能视频监控环境。

傅里叶切片定理 傅里叶切片定理给出了射线沿y轴方向穿透物体薄片对X轴投影的傅立叶变换与物体薄片的频域函数F(u,v)沿u轴的切片相等。利用二维傅立叶变换的旋转性质可知，如果围绕物体薄片，改变θ角得到多个投影，就可以获得该物体薄片在频域上相应各个方向的频谱切片，从而了解到该薄片的整个频谱。通过傅立叶反变换就能得到物体薄片在空间域中的图像。 下面我们来讨论与投影的一维傅里叶变换和得到投影区域的二维傅里叶变换的相关的基本结果这一关系是模糊问题重建的基础。 关于投影的一维傅里叶变换为 将g(, )带入上式可得