作为图像处理领域的重要分支和研究热点之一,图像复原方法的研究始终具有重要理论意义和广泛的应用价值.在图像复原问题中,观测的退化图像通常可以简化为线性移不变卷积核与高斯白噪声之和,其数学模型可以写成：其中,u(x,y),g(x,y)和n(x,y)分别表示原始图像,退化图像和加性噪声,h(x,y)表示引起图像退化的点扩散函数(PSF),”*”表示卷积算子.大多数复原算法都是建立在点扩散函数已知的前提下,而在实际问题中,点扩散函数通常是未知的.因此对盲复原理论及算法的研究,有着理论意义与实际需求.图像盲复原一直以来都是图像复原中比较困难的问题之一.针对图像盲复原问题,本文详细地介绍了其理论基础和主要算法.本文主要针对相机与所拍摄景物之间由于相对位置移动而使所获得图像发生运动模糊的情况,提出了有效的图像盲复原算法,主要工作如下：1.提出了一种基于频域迭代和指导滤波的图像盲复原算法.首先,在频域上估计点扩散函数.频域迭代公式为其中,F表示Fourier变换算子,F(.)*表示F的复共轭,α1和α2为常数.我们利用频域迭代法估计出PSF的近似解.其次,将估计出的PSF的近似解作为初始值,此时图像盲复原问题变成了非盲复原问题.由于指导滤波能够在保持图像边缘不被模糊的前提下,有效地去除图像的噪声并抑制振铃效应.因此,应用基于指导滤波的复原算法恢复出目标图像初值.指导滤波的函数表达式为：其中,u,和up分别表示指导图像和滤波图像,u表示滤波后的图像,ω是选择窗口的大小,ε>0是正则化参数.考虑下面两个函数其中,u。是预估计图像,λ>0是正则化参数.将其解u,和up分别作为指导图像和滤波输入图像,利用指导滤波对图像up进行平滑以达到去噪的目的,进而得到更清晰的图像.最后,将上述两部分交替迭代求解,可以得到最终的清晰图像.2.提出了基于强边缘检测和指导滤波的图像盲复原算法.首先,利用图像的强边缘信息来估计出点扩散函数PSF,因为图像中的平滑区域是否模糊,对图像质量影响不大,但是图像中的强边缘经过模糊后则有了较多的改变.因此对于如何将模糊图像的强边缘信息应用到运动模糊复原问题的研究具有重要意义.观测图像的强边缘信息(Px,Py)的计算公式为uy,|uy|> T,Py=0,|uy|≤T,式中, ux, uy分别表示当前估计图像的x方向和y方向的偏导数, T为一个阈值.然后,利用下述方法估计PSF:arg minh{∥gx h Px∥2+∥gy h P22y∥+α∥h∥}s.t.∑hi,j=1, hi,j≥0.i,j其中,(gx, gy)表示图像g的梯度.采用最速下降法来求解该问题即可得到PSF.其次,利用得到的点扩散函数,应用前面的基于指导滤波的图像复原算法恢复清晰图像.此方法能保持边缘并抑制振铃效应以及消除噪声.本文对所提出的两种方法分别与其它算法做出了实验对比.实验结果表明,本文所提出的算法能够在有效地抑制噪声和振铃效应的同时,还能够更好的保持图像的边缘和纹理细节.因此,本文算法可以获得更高质量的复原图像.