1.一种基于超拉普拉斯先验的图像盲去模糊方法，其特征在于，包括下列步骤：步骤一、读入单幅模糊图像B，判断B是否为灰度图像，若不是灰度图像则对B进行灰度化处理；

步骤二、对B构建图像金字塔 n为图像金字塔的总层数，i为图像金字塔的当前所在层，且i初始为1；将 作为第一层初始的中间图像I1；

步骤三、由中间图像Ii求得显著性图像边缘

步骤四、由显著性图像边缘 更新模糊核k，通过 进

行求最优解k， 表示第i层金字塔图像的梯度，γ为权值；

步骤五、由模糊核k更新中间图像Ii，通过 进行求最优解Ii， 表示第i层中间图像的梯度，p表示超拉普拉斯分布函数的参数，λ为权值；

步骤六、判断第i层内模糊核与中间图像迭代更新的次数j是否达到预设最大迭代次数m，若达到则执行步骤七，否则迭代次数j加1且返回步骤三，j的取值为1到m；

步骤七、判断层数i是否达到金字塔第n层，若达到第n层，则执行步骤八，否则层数i加1并返回步骤三，且将第i+1层的中间图像Ii+1初始化为Ii；

步骤八、将第n层求得的k作为模糊图像B对应的最优模糊核K，选择合适的非盲去模糊算法复原出最终的图像。

2.根据权利要求1所述的一种基于超拉普拉斯先验的图像盲去模糊方法，其特征在于，步骤五中通过步骤四求得的模糊核k来求解中间图像Ii；自然图像的梯度分布呈重尾分布，因为超拉普拉斯分布相对于高斯分布和拉普拉斯分布能更好的模拟自然图像的梯度分布情况；因此可以更有效地求解中间图像Ii，进而在与模糊核迭代求解的过程中，可以求得更佳的模糊核；中间图像Ii可通过下式求解：λ为权值，对于该式求解可以针对梯度 引入辅助变量G＝(Gh,Gv)T，则上式转化为：其中β为变化的权值，初始值定为2λ；对上式分别迭代求解Ii和G，满足迭代终止条件后，最终得到Ii，具体迭代步骤如下：(1)首先根据下式，先固定Ii，求解最优G：

这里求解G的过程是求非凸稀疏最优问题，通过引入广义软阈值算子(GST)求解：其中 表示G的最小值， 表示阈值，sgn表示符号函数；

(2)然后根据下式，固定G，求解最优Ii：

可用最小二乘的方法求解：

其中F(·)和F-1(·)分别表示快速傅立叶变换和反变换； 表示快速傅立叶变换的复共轭运算； 和 分别表示Ii的水平和垂直梯度；若β<βmax则继续迭代，且将β变为2β；直到β≥βmax停止迭代运算，得到最终的中间图像Ii。