随着便携、轻巧的数码成像设备的日益普及，由这些设备所造成图像模糊成为近几年图像处理和计算机视觉领域的热点问题。近年来，图像去模糊的精度一直在不断地提高。然而，这一问题的许多方面仍然具有挑战性。　　本文发现图像细节会对模糊核(PSF)的估计起反作用，尤其当模糊核尺度很大的时候。一种有效地去除图像细节的方法就是基于全变分(TV)的图像去噪模型。　　首先，本文基于全变分模型提出了一种新的计算图像结构的方法。该方法能够有效去掉对模糊核估计不利的结构;其次，为了降低一些显著性结构对模糊核估计的反作用，本文采用了选择梯度的方法;再次，本文提出了一种新颖的模糊核估计方法，这种方法能够有效地保持模糊核的稀疏性和连续性，并且能够有效地去除噪声;针对这一模型，本文提出了一种有效地求解方法;最后，在去卷积的过程中，为了更好的去掉图像含有的噪声以及使得到的清晰图像含有较好的纹理信息，本文基于统计方法提出了一种鲁棒的图像复原模型，并给出了相应的快速解法。　　大量的具有挑战性的实验结果表明，本文提出的方法不仅能够有效地去除各种类型的运动模糊，而且在模糊核较大的情况下也取得了较好的结果。