1.一种融合无参考图像质量评价的自然场景图像去模糊方法，其特征是，包括以下步骤：步骤1，基于空间变换的变量映射建模；

步骤1.1，分析图像模糊成因，构建模糊过程的数学抽象模型：其中G(·)为目标场景的像素值,B(·)为模糊图像的像素值，n(·)为白噪声，(x,y)为图像像素空间位置,D(·)为t时刻(x,y)位置的某一邻域，(u,w)为D(·)中的一点；

步骤1.2，引入合适条件，将公式(1)在D(·)邻域内线性化；

A·G＝B               (2)其中矩阵A为系数矩阵，矩阵G为未知的清晰图像，矩阵B为采集到的模糊图像；

步骤1.3，根据图像特性扩展方程组，使得扩展后的线性方程组满足唯一解条件，即扩展后的方程组系数矩阵为满秩方阵，扩展后的方程为：A1·G＝B1                  (3)其中A1为矩阵A经过扩展后的系数矩阵，B1为矩阵B经过扩展后的模糊矩阵；

步骤1.4，由于公式(3)唯一解性质，求解出未知的清晰图像：G＝A1-1·B1             (4)通过上述步骤，建立图像去模糊过程的映射方法，即将公式(2)中变量为G的问题，映射成为公式(4)中变量为矩阵B扩展到B1时增加部分的问题；

步骤2，无参考图像质量评价：

步骤2.1，对公式(4)求解的图像G的像素进行归一化亮度处理：其中ω＝{ωk,j|k＝-K,…,K,j＝-J,…J}为二维圆形对称的高斯权重函数；

步骤2.2，将归一化处理后的图像 计算其统计特征，使用无参考图像的评价指标，得到评价图像质量的指标值；

步骤3，图像去模糊：

根据公式(4)和步骤2.2构建图像映射模型和无参考质量评价方法，通过改变自变量的值得到不同参数下的去模糊图像质量指标，通过迭代法寻找到图像质量指标最佳时的自变量值，具体迭代算法如下：步骤3.1，自变量初始化；

步骤3.2，根据公式(4)计算清晰化图像G；

步骤3.3，根据公式(5)计算归一化后的图像步骤3.4，计算图像 的统计特征，得到无参考图像的评价指标；

步骤3.5，判断其评价指标是否最优，否则改变自变量值，转到步骤3.2，是则转到步骤

3.6；

步骤3.6，判断所有自变量是否都达到最优，否则转步骤3.2，是则转到第步骤3.7；

步骤3.7，将步骤3.2的图像G作为整个算法的输出。