1、“.....首先对原始图像退化模型的使用。它可以通过种用于图像模糊的低通滤波器高斯滤波器来完成。在图像边缘模糊，铃声效果可以检测使用边缘检测方法，然后可以在恢复过程中删除。盲解卷积算法应用于模糊的图像。这是可能的翻新，而不必降解过滤，加性噪声和具体知识的原始图像。为了获得有效的结果，惩罚最大似然法的估计方法是使用我们所提出的盲反卷积算法。关键词盲反卷积算法边缘检测退化模型图像恢复惩罚最大似然法点扩散函数导言图像清晰化是个逆问题，它的渴望，是要收回个已经从线性退化遭受的形象。可降解的模糊或空间中的变体。图像清晰化方法可分为两大类......”。

2、“.....和盲目，其中模糊算子是未知的。模糊是种图像的带宽由于不完善的形象形成过程中减少的形式。它可以通过摄像头和原之间相对运动造成的，可降解的图像使用低通滤波器和噪声。该低通滤波器是用来模糊平滑图像使用些功能。图像复原是提高图像质量的退化。它是用来从扭曲的形象恢复到原来的形象。这是个客观的过程，消除了感知环境的影响。它是从个恢复退化或观察图片的原始场景图像使用及其自然知识的过程。有两大类的图像恢复的概念，如图像卷积和图像盲反卷积。图像解卷积是种线性图像复原问题那里的真实形象的参数估计使用观察或退化图像和个已知点扩展函数......”。

3、“.....很少或根本没有进行降解点扩散函数的先验知识。反卷积的好处是更高的分辨率和更好的质量。本文的结构如下第节描述了模糊图像的退化模型。第节代表边缘检测。第节介绍了本文的去模糊算法和整体架构。第节介绍了图像使用我们所提出的算法的抽样调查结果。第节描述的结论，比较和今后的工作。退化模型在退化模型，图像模糊使用过滤器和附加噪声。图像可以被降解利用高斯滤波器和高斯噪声。高斯滤波器代表点扩散函数这是个模糊的功能。被降职的图像可以被描述为以下公式公式在方程，是退化模糊图像，是空间不变函数的模糊函数，为原始图像，为加性噪声。下面的图代表退化模型的结构。原图......”。

4、“.....可以通过该技术，高斯模糊。这是与二维高斯函数卷积图像。高斯滤波器高斯滤波器是用来使用高斯模糊图像的功能。它需要两个均值和方差等参数。这是加权模糊。高斯函数的形式如下,公式其中为方差，和是从在原产地和高斯横轴纵轴距离滤波器有个有效的实施，它允许创建个非常模糊，模糊在个相对短的时间内图像。高斯噪声能够模拟的行为和隔音效果是至关重要的图像复原。高斯噪声是个恒定的均值和方差的白噪声。均值和方差的默认值是和。模糊参数对于模糊图像所需要的参数模糊图像的边缘示例图像在应用了复原算法后复原如下......”。

5、“.....该方法只相差微弱施加限制大多数其他现有方法的模糊过滤器，能够恢复已遭受了大范围的图像退化。双方的形象和良好的估计是模糊操作达成初步考虑主要图像边缘。我们的方法是视觉修复质量和数量比如维纳滤波算法，正则算法和露西理查森与它比较其他算法好。我们建议的盲反卷积算法的优点是用来复原没有先验知识和附加的点扩展函数和噪声的退化图像。但在其他算法，我们应该有模糊参数的知识。本文今后的工作增加了清晰化的过程，是减少了迭代次数为实现更好的质量去模糊图像的图像中使用的速度。参考文献马里亚纳阿尔梅达，路易斯阿尔梅达，盲和半盲去模糊的自然图像......”。

6、“.....高级会员，空间变恢复退化的相机图像运动模糊，美国，图像处理汇刊，蔡建峰，惠吉，刘超强，沈左卫。使用多个图像下盲人运动清晰，计算物理学杂志，邵杰，吴琼，李国辉，盲图像卷积单运动模糊图像，杂志，，，盲图像卷积，汇刊，拉斐尔冈萨雷斯，李察森，史提芬艾丁斯，数字图像处理应用，皮尔森教育，是涤纶短纤，长度模糊，模糊的角度和噪声类型。点扩展函数是个模糊的功能。当观测点图像强度在几个像素的蔓延，这就是所谓的点扩散函数。模糊长度的像素数，其中图像退化。这是像素位置的数目从原来的位置转移。模糊角是在哪个角度图像退化。可用类型的噪声是高斯噪声，椒盐噪声，泊松噪声，斑点噪声......”。

7、“.....在本文中，我们使用高斯噪声也被称为白噪声。它需要的均值和方差作为参数。退化模型的算法输入载入输入图像初始化模糊长度初始化模糊角指定的噪音点扩散函数点扩展功能，程序Ⅰ,如果包含响铃，然后在其边缘利用边缘删除振铃效应锥度功能其他转到步骤Ⅱ结束程序Ⅰ边缘检测和振铃效应离散傅立叶变换所使用的反降晰函数创建高频率落于图像的边缘了。这种高频率落客可以创建个效果称为边界有关的图像振铃。为了避免在这个图像边缘振铃效应，我们要检测图像的边缘。有各种边缘检测方法可用来检测图像的边缘。边缘可以检测有效利用边缘检测方法。它不同于其他的边缘检测比如......”。

8、“.....弱边缘的方法。边缘提供了衍生数大于阈值的强度更大估计。边缘可以检测是否存在检查振铃在输入的图像效果。边缘检测器边缘检测方法中找到对的梯度当地最大的，展望边缘。梯度的计算使用了高斯滤波器的衍生物。该方法使用两个阈值来检测强，弱边缘，只有当包括它们连接到强边输出的弱边缘。因此，这种方法更容易发现真正的弱边缘。涉及的步骤以精明的方法使用的是平滑指定的标准差高斯滤波器的形象，降低噪音当地的梯度为，和边缘方向是在每个点计算的。边缘点确定引起的梯度幅值图像脊。然后，这脊像素的阈值，及，与的。与值大于是说边缘的像素岭像素。及之间的像素值里奇说是弱边缘的像素......”。

9、“.....功能是用来进行预处理，然后将它传递给我们的形象清晰化功能。它消除了高频率下降，在个图像的模糊整个图像然后代替了该中心关闭像素边缘模糊的图像与原始图像。整体构架和去模糊算法下面的图代表本文的整体架构。原始图像是利用退化或模糊的退化模型产生的模糊图像。模糊的图像应该是对去模糊算法的输入。不同的算法是清晰化提供。在本文中，我们将使用盲反卷积算法。这种算法的结果产生的图像清晰化，可以用我们的原始图像进行比较。原始输入图像退化模型盲反卷输出图像模糊图像去模糊图像图整体构架盲反卷积算法盲反卷积算法可以有效地加以利用时不会失真信息是众所周知的......”。