本研究提出了一种基于概率框架的盲超分辨率图像重建方法，针对复杂噪声和模糊核问题，采用新颖的模糊核生成器和非独立同分布噪声模型。实验结果表明，该方法在合成和真实数据集上均优于现有技术，显著提升了超分辨率图像的质量和实用性。

该研究提出了一种自调制卷积神经网络（SM-CNN）用于高光谱图像去噪，能够自适应地转换特征，提高处理复杂噪声的能力。实验证明，SM-CNN 在公共基准数据集上优于其他最先进的高光谱图像去噪方法。