本发明公开了一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法，其对一幅图像的梯度分布估计中并未采用一个固定的形状参数值和尺度参数值，而是针对不同的像素点采用不同的形状参数值和尺度参数值，使得本方法能够很好的适应图像纹理变化，从而使得利用本发明方法复原的复原图像具有较高的信噪比值，同时在主观质量上，复原图像的平滑区域没有噪声点而显得自然顺滑，复原图像的纹理区域更加清晰，获得了更佳的主观视觉质量；其将图像划分成平滑区域和纹理区域，对于属于平滑区域内的像素点直接采用固定的形状参数和尺度参数，而对于属于纹理区域内的像素点则采用全局收敛算法来估计形状参数和尺度参数，能够在较少数据下取得更好的估计结果。

在主观质量上，复原图像的平滑区域没有噪声点而显得自然顺滑，复原图像的纹理区域更加清晰，获得了更佳的主观视觉质量；其将图像划分成平滑区域和纹理区域，对于属于平滑区域内的像素点直接采用固定的形状参数和尺度参数，而对于属于纹理区域内的像素点则采用全局收敛算法来估计形状参数和尺度参数，能够在较少数据下取得更好的估计结果。

基于维纳滤波的模糊图像去模糊，该方法假定噪声和模糊图像都服从广义平稳随机分布，并使用最小均方误差原理对模糊图像进行去模糊，该方法的优点是原理简单，计算效率高，

本发明涉及一种图像处理技术，尤其是涉及一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法。

提供一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法，其能够很好的适应图像的局部纹理变化，从而可使得得到的复原图像具有较高的信噪比值和更佳的主观视觉质量。

杨洁，男，1987年生，贵州遵义人，教授（破格），博士（后），贵州省优秀青年科技人才、贵州省科技拔尖人才、贵州省高层次创新人才，担任重庆邮电大学/江苏科技大学硕士生导师，中国人工智能粒计算与知识发现专委会委员，入选国家自然科学基金委员会通信评审专家库、贵州省大数据专家库、贵州省科技专家库、贵州省综合评标专家库等专家库。主要研究方向为数据挖掘和机器学习，担任TFS、INS、《电子学报》等多个期刊审稿人。主持科研项目13项，其中国家自然科学基金1项，省厅级项目7项。发表论文40篇（SCI收录18篇，EI收录2篇，中文核心20篇），其中包括《IEEE Transactions on Fuzzy Systems》（IF：12.2，1区top）、《Information Science》（IF：8.81，1区top）、《Knowledge-Based Systems》（IF：8.221，1区top）、《计算机学报》等期刊上，他引200余次（SCI他引110次），以第一发明人获得专利授权40项，其中发明专利授权6项，出版专著1部（科学出版社）。曾获重庆市优秀博士学位论文、贵州省研究生教学成果三等奖、遵义市最美科技工作者等奖项。

1)本发明方法对一幅图像并不是采用一个固定的形状参数值和尺度参数值，而是针对不同的像素点采用不同的形状参数值和尺度参数值，使得本发明方法能够很好的适应图像纹理变化，从而使得利用本发明方法复原的复原图像具有较高的信噪比值，同时在主观质量上，复原图像的平滑区域没有噪声点而显得自然顺滑，复原图像的纹理区域更加清晰，获得了更佳的主观视觉质量。 2)本发明方法在图像各区域的梯度分布的形状参数和尺度参数估计中，将图像划分成平滑区域和纹理区域，不同区域内的像素点的形状参数和尺度参数不同，对于属于平滑区域内的像素点直接采用固定的形状参数和尺度参数，而对于属于纹理区域内的像素点则采用全局收敛算法来估计形状参数和尺度参数，全局收敛算法相比矩估计法和最小二乘法等估计方法，能够在较少数据下取得更好的估计结果，同时全局收敛算法具有一致收敛特性

技术合作，遣派学者专家到国外或者其他地区的高校，研究机构或者生产企业与对方的学者，专家合作进行研究设计，或者双方学者，专家轮流到对方学校，研究机构或者企业进行研究。