图像采集过程中拍摄设备的轻微抖动或者与目标之间发生相对位移极易造成运动模糊,模糊图像的纹理特征容易被忽略或者描述不准确,为实际应用与科学研究带来一定的困难。现有的图像采集设备有一定的抗模糊性能,但对于尺度较大的运动模糊效果并不明显,图像去模糊成为近年来图像处理与计算机视觉领域内的热点问题。为了更好的降低噪声影响,保持复原图像的纹理细节,本文主要研究基于显著性边缘联合稀疏表示的图像复原。论文主要研究工作如下:1.提出了一种保持图像纹理细节的显著性边缘提取算法。传统的边缘提取方法在抑制噪声时容易破坏细小的图像纹理。本文采用多分辨率分层细化的方式,首先提取边缘误差较小的低分辨率模糊图像的边缘。在边缘提取过程中,通过自适应掩模算子区分模糊图像的平坦区域与纹理细节区域,并借助数值约束抑制噪声干扰、梯度约束增强图像梯度,在抑制噪声的同时提取图像边缘。实验表明,本文提出的边缘检测方法能够抑制图像噪声,保持图像纹理细节。2.提出了一种适于结构保持的模糊核估计方法。阈值截断的噪声去除方法容易导致模糊核估计结果出现阶梯效应。通过引入梯度连续性约束,确保在滤除噪声点的同时能够有效保持模糊核连续性的结构特征。实验结果表明,本文算法能够有效去除离群点,抑制模糊核估计的阶梯效应,保持了模糊核结构。3.提出一种联合稀疏表示重建复原图像的方法。传统的非盲去卷积对噪声敏感,复原结果容易出现边界效应。采用稀疏表示重建复原图像,借助字典确保不同结构的模糊核具有良好的适应性;对于采样图像块的重叠区域利用均值算法进行估计,抑制边界效应。实验结果表明,本文算法能够有效降低复原图像的边界效应,提高图像纹理细节的恢复。