根据给出的文件信息，可以提炼出以下知识点：
1. 多帧总变化盲视频反卷积的快速分割算法研究背景：
视频反卷积是一项重要的视频处理任务，它在众多实际应用中发挥着关键作用。这些应用场景包括监控、显微镜成像、遥感等多个领域。在这些应用中，获取的数字视频序列经常因为传感器噪声、视频录制设备与原始场景之间的相对运动、镜头系统的失焦以及传感器元素的物理尺寸而出现退化。一般地，静态场景的退化过程可以通过空间线性位移不变(LSI)系统来模拟。在这种系统中，原始图像与空间不变的点扩散函数(PSF)进行卷积，然后再加上高斯噪声。
2. 视频退化模型及重建方法：
文章考虑的是在没有关于退化过程的完整知识的情况下，如何恢复被退化的视频。研究中使用了一种空间位移不变但时间位移变化的视频形成模型。这种模型简单地将每个原始视频帧与多个观测到的视频帧和点扩散函数(PSFs)相关联。研究提出了一种变分方法，能够同时从对应的观测视频帧重建每一帧视频和相关的PSFs。研究利用了总变化(TV)正则化来减少不适定性，并更好地保留边缘信息。
3. 总变化(TV)正则化和边缘保持：
总变化正则化是一种在图像处理领域广泛使用的方法，用于减少图像重建过程中的不适定性，并且有助于在去噪的同时保留图像边缘。在视频反卷积中，通过在视频帧和PSFs上应用TV正则化，可以减少退化模型带来的不适定性，提高视频恢复质量，并且更有效地保持图像边缘细节。
4. 快速分割方法的提出：
为了使TV最小化对视频序列实用，研究提出了一种有效的分割方法。这个方法将一些最新的快速单图像TV最小化方法扩展到多帧情况下，从而在处理多帧视频时能够高效执行TV最小化操作。
5. 方法的验证与应用：
研究使用了合成视频和真实视频来展示所提方法的性能。通过实际案例验证了算法的有效性，表明该算法在去除噪声、运动模糊和处理其他视频退化方面具有较好的性能。
6. 文献与作者信息：
文章的作者包括You-Wei Wen、Chaoqiang Liu和Andy M. Yip，他们分别来自中国华南农业大学数学系、新加坡国立大学Temasek实验室的波动与逼近信息处理中心，以及新加坡国立大学数学系。文章已经接收发表，发表时间为2010年5月12日，所属的光学学会（Optical Society of America）提供了相关的分类代码（OCIS codes）。
由于文档部分内容是OCR扫描出的文字，可能由于扫描技术原因导致部分文字识别有误或者漏识别，因此在理解和表述时可能需要结合上下文进行必要的逻辑推理和文字填充。在实际操作中，应确保所使用的信息准确无误，并且符合原文含义。
