Birçok klasik görüntü onarım tekniği bulanıklık işlevinin bilindiği varsayımı altında çalışır. Ancak, gerçek hayat problemlerinde sadece gözlem verisi elde edilebilmekte bozucu sistemler hakkında yeterli bilgi sağlanamamaktadır. Bu yüzden görüntü onarımının ilk adımı bozucunun öğrenilmesi (tanınması) işlemidir. Geçmişte, görüntü ve bulanıklık parametrelerinin öğrenilmesi Enbüyük Olabilirlik (EO) problemi olarak ele alınmış ve Beklenti Enbüyükleme (BE) yordamı ile çözülmüştür. Özellikle BE yordamının E adımında kapalı yapıda bir çözüm bulunması bu yordamı daha cazip bir hale getirmektedir. Görüntü ve bulanıklık parametrelerinin tüm görüntü verisi kullanılarak öğrenilmesi geçmişte çalışılmış olmakla birlikte, parametrelerin yinelemeli BE’ye dayalı öğrenilmesi daha önce çalışılmamıştır. Yinelemeli teknikler dinamik işlem yetenekleri sayesinde tüm veri üzerinde işlem yapan yöntemlere nispetle çok daha az bellek ihtiyacı duyarlar. Daha az bellek ihtiyacı ise özellikle görüntü işleme alanında çok önemlidir. Bu çalışmada yeni bir eşzamanlı yinelemeli parametre öğrenme ve görüntü onarım yöntemi sunulmuştur. Dinamik Bayesçi Ağ (DBA) yapısında yeni bir çözüm önerilmiştir. Sunulan yöntem EO parametre tanıma ve durum kestirimi için en iyi Kalman yumuşatma ifadelerini içerir. Kalman yumuşatma ifadelerinin yoğun hesaplama gerektirmesi sebebi ile Kalman süzgeç yaklaşıklığı kullanılmıştır. Aynı zamanda, onarılmış görüntü eş zamanlı olarak bu süzgeç çıkışından elde edilmektedir. Görüntü ve bulanıklık parametrelerinin BE öğrenme problemi kapalı yapıda çözümlenmesi başarılmıştır.  Yöntemin başarımı gerçek görüntüler üzerinde yapılan benzetim ve denemeler ile verilmiştir.

Anahtar Kelimeler: Beklenti enbüyükleme, bulanıklık ve görüntü tanıma, yinelemeli işleme, kalman yumuşatma ve süzgeçleme.