本文提出了一种新颖的去卷积方法，针对长距离成像中的大气湍流模糊问题。该方法结合了大气调制传递函数的解析表达式与框架去卷积算法，能够有效估计折射率结构，实现优异的去模糊效果。

本研究提出了一种新颖的稳定图像生成算法，旨在消除大气湍流引起的几何失真。通过变分公式和Bregman迭代方法，分析了正则化项选择对模型的影响。

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。

本文探讨了加权傅里叶突发积累（FBA）方法在波瓦特域的扩展，提出了两种新算法，显著提高了在大气湍流条件下处理模糊图像的能力，实验结果表明能够有效重建清晰图像。

本文提出了一个针对受大气湍流影响动态场景的两阶段无监督前景目标分割网络，利用湍流变形的图像序列的平均光流构建初步的掩膜，并采用U-Net架构进一步优化这些掩膜，提高分割准确性和鲁棒性。此外，还发布了第一个受湍流影响的移动目标分割数据集。

提出了一种基于隐式神经表示的无监督大气和水湍流抑制方法（NeRT），通过利用隐式神经表示和物理正确的倾斜 - 模糊湍流模型，仅仅依靠数十个扭曲输入图像就能重建出干净、无扭曲的图像，并且在大气和水湍流数据集的各种定性和定量评估中表现优于现有技术，同时展示了 NeRT 消除现实环境中的非受控湍流的能力，并将 NeRT 融入连续捕获的视频序列中实现了 48 倍的加速。