Deblurring Text Images viaL0-Regularized Intensity and Gradient Prior

1、我们提出一种新颖的l0正则化强度和梯度先验，用于文本图像去模糊，基于强度与梯度先验的$L_0$正则化文本图像去模糊
2、基于半二次方分裂法（half-quadratic splitting method）
3、text and low illumination images
4、清晰文本图像的像素强度大多数的是俩值，接近0和255
5、清晰图片和模糊的图片的直方图是完全不同的
6、模糊文本图像的像素值更密集
7、suppressing artifacts？？？
8、像素强度直方、水平渐变直方图
9、低照度图像
10、image prior ？？？清晰图像先验特征，目前常用的自然图像的先验信息有自然图像的局部平滑性、非局部自相似性、非高斯性、统计特性、稀疏性等特征 。
11、图像梯度。图像的梯度相当于2个相邻像素之间的差值。如果相邻像素灰度值有变化，那么梯度就有值，如果相邻像素灰度值没有变化，那么梯度就为0。如果我们把梯度值与对应的像素相加，那么灰度值没有变化的，像素值不变，而有梯度值的，灰度值变大了。我们看到，相加后的新图像，原图像像素点100与90亮度只相差10，现在是110与90，亮度相差20了，对比度显然增强了，尤其是图像中物体的轮廓和边缘，与背景大大加强了区别，这就是用梯度来增强图像的原理。
12、图像是一个二维函数，(x,y)表示像素点的坐标，f(x,y)是该点的值。
13、l0正则化。L0正则化的值是模型参数中非零参数的个数。L1正则化表示各个参数绝对值之和。L2正则化标识各个参数的平方的和的开方值。

计算非0的x的数量