* Frankot-Chellappa算法。

使用梯度的锐度估计这是最简单、最基本的锐度衡量标准。 尽管存在许多其他出色的技术，但即使是这种原始估计算法也发现自己具有不错的实际用途。 该文件读取图像并对其进行越来越多的迭代平滑以呈现锐度如何降低。 该方法针对均值和非锐化（锐化）过滤进行了测试。 用法：只需执行此文件。 （记得在这个文件旁边有 lena.jpg）。 所有结果都将打印到 matlab 控制台。 版权所有 (c) 2011，Tolga Birdal

随机并行梯度下降算法(SPGD)是一种基于直接性能指标优化的相位控制方法, 在自适应光学中有较好的适用性。该算法主要包含增益系数和随机扰动幅度两个可变参数, 其取值对算法收敛性有很大的影响。对双边SPGD算法实现收敛时参数的取值要求进行研究, 结合算法原理分析了算法参数的取值范围, 并通过大量仿真实验找出所有使双边SPGD算法收敛的增益系数和随机扰动幅度值; 得到随机扰动幅度的取值下限, 理论和仿真分析了下限存在的原因及取值; 在相干合成中存在相位噪声, 研究了不同相位校正器参数的情况下可使算法收敛的参数的取值范围。