摘要：利用 Hessian 核范数进行图像复原是目前较好的高阶正则化方法，但是由于 Hessian 核范数正则项的高度非线性和不可微性，图像去模糊和去噪过程耦合度高，求解算法的复杂度高。本文利用变量分裂设计了一种具有闭解形式的交替迭代最小化快速图像复原算法，将图像去模糊、去噪分步进行，并给出算法的收敛性证明。实验结果表明，本文方法不仅在峰值信噪比方面优于原有的基于 Hessian 核范数图像复原的主优化（Majorization-Minimization，MM）方法，而且大大降低了算法的迭代次数和运行时间。

关键词：hessian核范数 图像复原 交替迭代算法 

单位：南京理工大学计算机科学与工程学院 江苏南京210094 江苏省光谱成像与智能感知重点实验室 江苏南京210094