在数字图像的获取过程中,由于很多方面的不确定因素,使得获取到的图像存在一定程度上的模糊,对多媒体信息的实际应用造成了极大的不便。因此,如何进行图像修复成为了图像领域中一个重要的研究课题。根据是否已知图像的模糊核,可以将图像复原问题分为盲解卷积问题和非盲解卷积问题两类。本文针对图像的盲解卷积问题——即在仅已知模糊图像的情况下对模糊核和清晰图像进行估计,围绕着基于组的稀疏特性和结构自相似性,展开针对单幅图像去模糊问题的研究,主要研究成果如下:1.本文提出一种基于组稀疏和结构自相似性的盲解卷积方法,将组稀疏和自相似性结合作为正则化约束条件的先验,融合图像自相似特性,在降采样图像中寻找相似图像块以构成相似图像块组作为稀疏表示的基本单元,并采用金字塔方式通过对图像进行迭代逐层获得模糊核,同时结合了图像多尺度自相似性的特征,仅用一个正则项将图像的稀疏性、多尺度自相似性特征进行体现。实验结果表明,该方法能够很好地利用图像自身的性质去估计模糊核和清晰图像,并具有良好的视觉效果。2.本文提出一种基于显著边缘和组稀疏的盲解卷积方法,将组稀疏性正则化约束于图像的边缘区域,在模糊图像中寻找相似图像块以构成相似图像块组作为稀疏表示的基本单元,采用金字塔方式通过对图像进行迭代逐层获得模糊核,仅将上层金字塔图像估计的清晰图像中的边缘区域作为下层金字塔图像需要进行组稀疏表示的字典,在进行迭代求解的过程中增强了图像的边缘,保证了在模糊核估计过程中边缘信息的准确性。实验结果表明,该方法在进行模糊核和清晰图像估计时具有良好的视觉效果,并且该方法对于估计模糊较大的图像有着更为显著的效果。