本研究提出了一种新颖的变分模型，利用Bregman迭代和算子分裂方法，解决大气湍流引起的图像退化问题，算法简单高效，适用于多种场景。

该文综述量子机器学习进展：用量子计算求解线性回归、支持向量机及聚类，将回归转为二进制优化，速度提升2.8倍；量子支持向量机分类精度媲美经典方法，并探索量子核、变分模型与特征选择，在乳腺癌数据等任务中表现优异，展现量子加速潜力。

本文提出了一种基于 Euler-Elastica 的正则化方法的新变分模型，用于解决成像应用中特征曲面分割分辨率不足的问题。提出了两种求解模型的数值算法，并通过实际例子的数值实验证明了该模型的有效性。从离散几何的角度进行了定量比较，展示了新模型的优势。