该PDF文档为DeconvModelSolver工具的2014年修订版本，包含更新后的算法、模型和解决方法，适用于信号处理与图像恢复等领域。
从单张运动模糊图像恢复出一张清晰的图片一直是研究中的基本问题。如果假设模糊核（或点扩散函数PSF）是移不变的，则该问题可以简化为图象去卷积的问题。根据是否已知模糊信息，图象去卷积可分为盲解卷积和非盲解卷积两类。
在非盲解卷积中，运动模糊核被认为是已知或者已经在其他地方计算出来的；任务则是估计出未被模糊的原图像。解决这类问题的一般挑战包括减少可能出现在强边缘附近的不悦耳振铃伪影、抑制噪声以及节省运算量。几十年前提出的传统方法如维纳去卷积（Wiener 1949）和里查德森-卢西法（Richardson 1972，Lucy 1974）由于其简单性和效率而被提出，并因其实用性衍生出许多变体。近年来的发展包括采用稀疏正则化的新模型以及有效的线性和非线性优化策略以提高结果质量并进一步减少运行时间。
盲解卷积是一个更具挑战性的难题，因为模糊核和原图像都是未知的。可以将非盲解卷积视为在PSF估计过程中或之后的一个不可避免步骤。无论是盲解还是非盲解，在实践中都非常有用，并被广泛应用于包括但不限于图象处理、计算机视觉、医学及天文成像以及数字通信等学科。
本章讨论移不变单幅图像运动去模糊方法，这些方法假设图片是通过单一PSF均匀模糊的，虽然在事先可能并不知道该PSF。这类问题在理论和实证研究中有着悠久的历史，并且在过去5到10年里随着一些非常有效的模型和求解器的发展而取得了显著的进步。
5星
