1.一種基于邊緣自適應的高效圖像盲去模糊方法，包括如下步驟：

（1）輸入模糊圖像y，其模糊核為k，待求解的清晰圖像為x，設置清晰圖像x的初始解為模糊圖像y，設待求解清晰圖像的梯度域圖像為Dx；

（2）初始化待求解圖像的梯度域圖像Dx的均值μ_c為0，初始化去模糊次數(shù)f=0；

（3）用迭代優(yōu)化求解算法更新模糊核k：

(3a)設置迭代次數(shù)L，初始化迭代序號l為1，初始化迭代前的模糊核初始化迭代前的待求解圖像的梯度域圖像

(3b)按下式優(yōu)化求解待求解圖像的梯度域圖像：

Dx^(l)=argminDx||Dy-k^(l-1)⊗Dx^(l-1)||22+Σc=1XΣi∈Scλc(l-1)||Dxi(l-1)-μc||1,]]>

其中，表示第l次解優(yōu)化式后獲得的待求解清晰圖像的梯度域圖像，表示目標函數(shù)取最小值時Dx所取的值，Dy表示梯度域模糊圖像，表示第l-1次迭代后模糊核的取值，表示第l-1次迭代后的待求解清晰圖像的梯度域圖像，表示卷積運算，表示2范數(shù)的平方，X表示像素分類數(shù)，c表示當前像素的像素分類序號，1≤c≤X，表示對各類的正則項求和，S_c表示像素類別序號是c的清晰圖像x中的像素集合，表示對像素屬于集合S_c的正則項求和，表示本次迭代的梯度正則加權(quán)系數(shù)，其值為梯度的方差的倒數(shù)。||Dx_i^(l-1)-μ_c||₁表示去均值的梯度正則模型，Dx_i^(l-1)表示第l-1次迭代后的待求解清晰圖像的梯度域圖像的第i個像素點值，||·||₁表示1范數(shù)；

(3c)根據(jù)待求解圖像的梯度域圖像，按下式優(yōu)化求解模糊核：

k^(l)=argmink||Dy-k^(l-1)⊗Dx^(l)||22+η||k^(l-1)||1,s.t.||k^(l)||1=1k^(l)≥0,]]>

其中，表示第l次解優(yōu)化式后獲得的模糊核，表示目標函數(shù)取最小值時模糊核k所取的值，η表示正則系數(shù)，表示中的所有元素都大于0；

(3d)令l＝l+1，重復步驟（3b）～（3c）共L次，得到模糊核

(4)根據(jù)計算的模糊核k非盲去模糊，按下式優(yōu)化求解待求解的清晰圖像:

x(f)=argminxΣi||w(i)||2+β2Σi||w(i)-(D(i)x-μc)||22+u2||y-k⊗x||22,]]>

其中x^(f)表示解優(yōu)化式后更新的待求解清晰圖像，表示目標函數(shù)取最小值時x所取的值，i取值為1和2，w⁽ⁱ⁾表示逼近正則項變量，||·||₂表示2范數(shù)，D⁽ⁱ⁾表示方向梯度算子，D⁽ⁱ⁾＝[D⁽¹⁾，D⁽²⁾]，D⁽¹⁾＝[-1?1]，D(2)=-11,]]>β表示懲罰因子，u為范圍在0到1之間的數(shù)據(jù)項系數(shù)；

(5)更新非盲去模糊次數(shù)f＝1，對更新后待求解的清晰圖像x⁽⁰⁾進行K均值算法聚類，按像素分類計算待求解的清晰圖像x⁽⁰⁾梯度域像素圖像的均值μ_c'，用所得均值更新步驟(3b)公式中待求解圖像的梯度域圖像的均值，即μ_c＝μ_c'；

(6)重復步驟（3）～（4），得到清晰圖像x＝x⁽¹⁾。