1.一种噪声模糊图像非盲复原方法，其特征在于，所述方法包括如下步骤：基于预建立的噪声模糊图像复原模型执行下述迭代操作：k‑1 k‑1 k‑1 k‑1

依据x 、预构建的矩阵对(p,q)生成矩阵对(p ,q )；x 表示第k‑1次迭代后数字图像x的值；p表示数字图像x中像素与其下方相邻像素之间灰度值的差值，q表示数字图像x中k‑1 k‑1像素与其右方相邻像素之间灰度值的差值；p 表示第k‑1次迭代后数字图像x 中像素与k‑1 k‑1其下方相邻像素之间灰度值的差值，q 表示第k‑1次迭代后数字图像x 中像素与其右方相邻像素之间灰度值的差值，1≤k≤N,N表示算法总迭代次数；

k‑1 k‑1 k‑1 k‑1

依据矩阵对(p ,q )生成纵向自适应加权参数a 和横向自适应加权参数b ；

k‑1 k‑1 k‑1 k‑1 k‑1 k根据矩阵对(p ,q )、a 和b 以及预构建的矩阵组(p,q,a,b)，得到矩阵组(p ,q‑1 k‑1 k‑1,a ,b )；a表示数字图像x中像素的纵向自适应加权参数，b表示数字图像x中像素的横k‑1 k‑1 k‑1向自适应加权参数；a 表示数字图像x 中像素的纵向自适应加权参数，b 表示数字图像k‑1x 中像素的横向自适应加权参数；

k‑1 k‑1 k‑1 k‑1 k k k依据矩阵组(p ,q ,a ,b )利用梯度投影算法得到矩阵对(p ,q)；p表示第k次迭k代后p的值，q表示第k次迭代后q的值；

k k k k

依据矩阵对(p ,q)生成纵向自适应加权参数a 和横向自适应加权参数b ，得到矩阵组k k k k k k k(p ,q ,a ,b)；a表示第k次迭代后的数字图像x中像素的纵向自适应加权参数，b表示第kk次迭代后的数字图像x中像素的横向自适应加权参数；

k k k k k

依据矩阵组(p ,q ,a ,b)得到第k次迭代后的数字图像x；

若迭代次数小于设定的迭代次数N，则迭代次数加1重新执行上述迭代操作，否则，迭代N结束，获得最终的复原图像x；

其中，所述噪声模糊图像复原模型包括保真项和自适应加权全变分正则项；

其中，所述噪声模糊图像复原模型的建立方法包括如下步骤：建立噪声模糊图像f的数学模型：

f＝Axoriginal+nadditive                         (1)m×n m×n m×n

式(1)中，f∈R 为含有噪声的模糊图像，R 代表大小为m行n列的矩阵，xoriginal∈Rm×n为清晰图像，A为模糊算子，nadditive∈R 为加入到模糊图像Axoriginal中的加性噪声；

建立如下自适应加权全变分噪声模糊图像复原模型：式(2)中， 是保真项，2λAWTV(x)是自适应加权全变分正则项，AWTV(x)代表数字图像x的自适应加权全变分，||·||2表示向量2范数，λ＞0是正则化参数；

建立如下自适应加权全变分正则项模型：式(3)中，i和j分别代表矩阵中元素所在的行和列坐标，xi,j代表数字图像x中图像像素坐标(i,j)处的像素值；xi+1,j代表数字图像x中图像像素坐标(i+1,j)处的像素值；xi,j+1代表数字图像x中图像像素坐标(i,j+1)处的像素值；xi,n代表数字图像x中图像像素坐标(i,n)处的像素值；xi+1,n代表数字图像x中图像像素坐标(i+1,n)处的像素值；xm,j代表数字图像x中图像像素坐标(m,j)处的像素值；xm,j+1代表数字图像x中图像像素坐标(m,j+1)处的像素值；ai,j代表数字图像x中图像像素坐标(i,j)处纵向自适应加权参数的值；bi,j代表数字图像x中图像像素坐标(i,j)处横向自适应加权参数的值；ai,n代表数字图像x中图像像素坐标(i,n)处纵向自适应加权参数的值；bm,j代表数字图像x中图像像素坐标(m,j)处横向自适应加权参数的值；i＝0,1,…,m‑1，j＝0,1,…,n‑1；纵向自适应加权参数的取值范围是0≤ai,j≤1，横向自适应加权参数的取值范围是0≤bi,j≤1；

k k

其中，所述矩阵对(p ,q)的计算方法如下：建立函数g(·)，数学定义为：

求取g(x)对于x的一阶导数g'(x)公式如下所示：T

g'(x)＝2A(Ax‑f)                      (11)T

式(11)中，A为模糊算子A的转置；

求取g(x)对于x的二阶导数g”(x)公式如下所示：T

g”(x)＝2AA                         (12)式(10)的Lipschitz常数L的数学定义为：k‑1

使用Tylor公式对式(10)进行展开，式(10)在x 处的Tylor展开式表示成如下数学形式：式(14)中，0！代表0的阶乘，1！代表1的阶乘，2！代表2的阶乘，t！代表t的阶乘，(t+1)！代k‑1 k‑1 k‑1 k‑1表t+1的阶乘，g'(x )代表g(x)在x 处的一阶导数值，g”(x )代表g(x)在x 处的二阶导(t) k‑1 k‑1 (t+1) k‑1 k‑1 k‑1 k数值，g (x )代表g(x)在x 处的t阶导数值，g (x +θ(x‑x ))是g(x)在x +θ(x‑x‑1)处的t+1阶导数值，0≤t，0＜θ＜1；

联合式(11)、(12)、(13)和(14)，取式(14)前三项，将式(14)表示成如下的数学形式：式(15)中，略去式(14)前三项，式(15)表示成如下的数学形式：建立函数Γ(·)，数学定义为：

Γ(pi,j,qi,j,ai,j,bi,j)＝ai,j(pi,j‑pi‑1,j)+bi,j(qi,j‑qi,j‑1)            (17)式中，pi,j代表数字矩阵p中元素坐标(i,j)处的元素值，qi,j代表数字矩阵q中元素坐标(i,j)处的元素值，此处，i＝1,…,m，j＝1,…,n，则满足：联合式(2)、(3)、(16)和(17)，将第k‑1次迭代后式(2)表示成如下的数学形式：建立函数Φ(·)，数学定义为：

式(19)中，M代表数字图像x像素的灰度位数，M≥1；

联合式(18)和(19)，将式(18)表示成如下的数学形式：建立函数h(·)，数学定义为：

建立函数Λ(·)，数学定义为：

Λ(x)＝(p,q)                         (22)k‑1 k‑1 k‑1 k‑1 k‑1 k‑1 k‑1 k‑1式(21)在(p ,q ,a ,b )处的一阶导数值h'(p ,q ,a ,b )公式如下所示：建立函数P(·)，数学定义为：

k k

联合式(23)和(24)，利用梯度投影算法计算出第k次迭代后矩阵对(p ,q)的值，计算方式如下所示：式(25)中， 是梯度投影算法的

梯度， 是梯度投影算法的投影步长。

2.根据权利要求1所述的噪声模糊图像非盲复原方法，其特征在于，所述矩阵对(p,q)的构建方法如下：(m+1)×n

根据噪声模糊图像f的大小m×n构建大小为(m+1)×n的数字矩阵为p，p∈R ，构建m×(n+1)大小为m×(n+1)的数字矩阵为q，q∈R ；

根据所构建的数字矩阵p和q构建矩阵对(p,q)。

3.根据权利要求2所述的噪声模糊图像非盲复原方法，其特征在于，所述矩阵组(p,q,a,b)的构建方法如下：(m

根据噪声模糊图像f的大小m×n构建大小为(m‑1)×(n‑1)的数字矩阵为a，a∈R‑1)×(n‑1)，ai,j代表数字矩阵a中元素坐标(i,j)处的元素值，则：式中：i和j分别代表矩阵中元素所在的行和列坐标，i＝0,1,…,m‑1，j＝0,1,…,n‑1；

ω是大于0的常数；

(m‑1)×(n‑1)

构建大小为(m‑1)×(n‑1)的数字矩阵为b，b∈R ，bi,j代表数字矩阵b中元素坐标(i,j)处的元素值，则：根据所构建的数字矩阵p、q、a、b构建矩阵组(p,q,a,b)。

k‑1

4.根据权利要求1所述的噪声模糊图像非盲复原方法，其特征在于，所述x 的初始赋值公式如下：0

x＝0m×n                           (7)

0 k‑1

式(7)中，x代表第1次迭代开始时x 的值，0m×n代表大小为m×n的零矩阵。

5.根据权利要求1所述的噪声模糊图像非盲复原方法，其特征在于，纵向自适应加权参k‑1数a 的生成公式如下：

k‑1

所述横向自适应加权参数b 的生成公式如下：k‑1 (m‑1)×(n‑1) k‑1 (m式中：a ∈R 是大小为(m‑1)×(n‑1)的数字矩阵，ω是大于0的常数；b ∈R‑1)×(n‑1)是大小为(m‑1)×(n‑1)的数字矩阵。

6.根据权利要求1所述的噪声模糊图像非盲复原方法，其特征在于，第k次迭代后复原k图像x值的计算方式如下所示：

7.一种噪声模糊图像非盲复原系统，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1～6任一项所述方法的步骤。

8.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～6任一项所述方法的步骤。