摘要：现有图像去模糊(deblurring)算法多依赖于正则化技术以迭代逼近求解最优目标函数方式实现关于原图像的最佳估计,由于缺乏迭代终止判定条件(ITC),这些算法通常采用固定迭代次数实现以至执行效率不高,同时所获得图像的质量在很多时候也未必是最佳的。鉴于在迭代过程中每一步所获得的中间估计图像经与模糊核卷积后和模糊图像之间残差图像的亮度值具有显著的高斯分布特点,提出使用广义高斯分布(GGD)模型为迭代过程中的残差图像建模并以GGD模型参数值作为衡量去模糊效果的度量(DM,deblurring measure)。基于DM,在保障去模糊图像质量的前提下,设计了ITC自适应地终止迭代过程以提高去模糊算法的计算效率。在经典的非局部集中稀疏表示(NCSR,nonlocally centralized sparse representation)去模糊算法上完成的大量的实验表明,对于运动、高斯和失焦3种典型的模糊失真,新提出的ITC能够有效判定在每一步迭代过程中所获得的估计图像是否已达到最佳的图像质量,从而实现在保障去模糊图像质量的前提下大幅度提高NCSR算法计算效率的目的。所提出的ITC判定方法具有普适性,调整相关参数后也可以应用于其它迭代型的去模糊算法。