1.一种多幅模糊噪声图像下清晰图像的恢复方法，其特征在于，包括以下步骤：

1)、获取多幅观测模糊图像Yl，构造如下优化方程式：其中wl表示权重系数，||||1表示L1范数，用来约束稀疏解，Hl表示模糊核矩阵，ax、 表示清晰图像X和模糊核矩阵Hl的稀疏表示，λ、βi表示L1范数约束系数，于是图像恢复的问题就变成了求解ax， 的问题；

2)、构造矩阵Dx及 Dx表示清晰图像X的组稀疏域，矩阵 表示模糊核矩阵的组稀疏域，对于Dx 的构造采用字典学习的方法，于是公式(3)便可以表示为：其中 用来表示组稀疏形式；

观察发现优化方程式是关于两个变量ax， 的非凸优化方程，为了有效解决这个问题，一个两步迭代的方法被提出：第一步：初始化模糊核，求解如下方程：

其中 表示初始化或估计的模糊核矩阵；

第二步：使用第一步估计的结果，求解如下方程：

其中 表示第一步中估计的清晰图像；

第一步和第二步之间循环迭代直到满足停止条件；

3)、迭代更新确定权重系数wl；确定清晰图像X及模糊核矩阵的组稀疏域的相似块以确定匹配块；

4)、采用SBI分离式布雷格曼迭代算法迭代求解步骤2)的优化方程，求出模糊核矩阵得到恢复图像。

2.根据权利要求1所述的多幅模糊噪声图像下清晰图像的恢复方法，其特征在于，所述多幅观测模糊图像Yl＝HlX+Nl,l＝1,2,...,L (2)，其中Yl，X，Nl分别表示yl，x，nl的列向量形式，yl＝hl*x+nl,l＝1,2,...,L (1)其中yl表示捕获到的受损图像，hl表示未知的模糊核，不同的下标代表着不同的模糊核，nl表示高斯噪声，L表示捕获的图像数量，Hl表示模糊核矩阵。

3.根据权利要求1或2所述的多幅模糊噪声图像下清晰图像的恢复方法，其特征在于，所述步骤3)权重系数wl的选择具体包括：权重系数定义为：

其中 分别表示模糊核与清晰图像的估计，ε表示为避免被除数为0而设置的一个很小的数值，因此，在第K次迭代，权重系数更新为：其中 分别表示在第k次迭代中模糊核与清晰图像的估计，权重系数的初始化为单位1。

4.根据权利要求3所述的多幅模糊噪声图像下清晰图像的恢复方法，其特征在于，所述相似块由欧几里得距离表示为：其中x表示目标块，引入Lp范数作为距离测度，表示为：为了消除噪声的影响，噪声方差被引入，于是Lp范数距离修改为：其中，s表示样本序列中x的标准方差。

5.根据权利要求4所述的多幅模糊噪声图像下清晰图像的恢复方法，其特征在于，当p＝2时，便简化成了马哈拉诺比斯距离，通过如下公式计算得到:其中N表示样本数列的长度，表示样本数列的平均值，xi表示样本数列元素。

6.根据权利要求4所述的多幅模糊噪声图像下清晰图像的恢复方法，其特征在于，所述SBI算法是用来求解如下问题：SBI通过以循环迭代的方式求解其中的变量u，v，f(u)表示关于变量u的范数方程，g(v)表示关于变量v的范数方程，G表示变量u，v之间的关系式，具体求解过程如下：表示两个扩

展拉格朗日函数； bk+1第k+1次迭代的误差残余，通过分量方式的软判决门限获得，求解得出糊核矩阵 得到恢复图像。