图像是现代人类社会生活中最常用的信息表达载体。然而数字图像在生成、传输和储存等环节中往往会受到外界噪声的影响造成图像模糊甚至失真。在计算机视觉、智能交通、医学等许多方面都需要高质量的图像,因此对图像去模糊算法的研究势在必行。自上世纪60年代至今,随着研究的深入,人们对模糊图像的了解不断的完善,图像去模糊算法逐渐成熟取得了更好的成果。但近年来的图像去模糊算法大都是空间不变的模糊复原算法,而空间变化的模糊图像复原算法方面的研究相对较少。因此,本课题具有挑战性而且有着相应的学术意义、使用价值。在学术方面,它有利于促进图像处理及相关学科的发展,在应用方面,它满足了人们对图像清晰度的要求,在军用和民用领域都有着积极促进的作用。从国内外的研究现状看,基于正则化的图像去模糊算法已经相当成熟,本文从模糊图像的形成入手,主要研究了空间变化图像去模糊算法。主要工作和研究成果有以下几个方面:1.总结了国内外图像去模糊领域的研究现状与目前主流的图像去模糊算法,深入地分析和研究了有代表性的几种基于正则化的图像去模糊算法,并分析了算法存在的问题以及需要解决的技术难题。2.针对通常TV正则化算法造成的平坦区域细节信息的丢失,以及复原图像中出现“阶梯效应”,提出一种用于空间变化模糊的去模糊的总变分和小波框架双正则化方法。新方法采用奇异值分解(SVD)方法分解空间变化模糊核,使用ADMM算法将原问题分解为易于求解的子问题进行模型的数值求解,使得算法能快速迭代收敛,在迭代过程中完成图像的复原与优化。3.通过仿真实验验证新方法的较果。对比实验结果表明新算法对空间变化模糊的图像比几种传统算法以及文献[41]提出的算法有更好的去模糊效果。