图像是信息表达的载体。在实际应用中,图像所传达的信息对多数领域具有重要意义。在采集图像时,由于光学图像是通过透镜聚焦实现的,而成像系统中不同成像区域的景深差异或聚焦区域发生位置变化时均会造成图像的局部模糊现象,这对关键信息的获取造成极大影响。因此对图像中的局部模糊区域进行增强处理是必要的,而这首先需要对图像模糊区域进行有效的检测和分割。本文主要针对局部模糊图像的检测与分割算法进行研究,并实现对局部模糊图像模糊区域的增强。主要工作如下:（1）依据奇异值分解对图像中各个子区域模糊强度进行计算评价。不同模糊类型的自然模糊图像的形成可由清晰图像通过相应的模糊模型处理进行模拟,因此,对不同模糊类型的形成及模糊模型的推导研究是有必要的。图像模糊一般根据不同的形成方式分为离焦模糊与运动模糊。物体不处于成像系统焦平面而在像面上形成散焦光斑的现象会造成图像离焦模糊;由于物体运动或镜头抖动使同一物点在曝光时间内在像面上不同位置成像会造成运动模糊。研究两种模糊类型的成因并通过再模糊理论分析模糊区域和清晰区域在再模糊后的变化差异,利用奇异值分解可增大图像模糊与清晰区域再模糊前后变化的表征的特点,得到局部模糊检测的指标一模糊强度。（2）根据再模糊理论和图像模糊强度的定义,对于局部模糊图像,以一定的尺度进行分块,通过子块模糊强度定位图像中的模糊区域。采用多尺度分块融合检测算法,实现从大尺度分块对局部模糊区域粗略定位,在粗略定位的基础上,结合小尺度分块下的模糊定位,达到模糊图像区域的精确定位检测和分割。方法中采用K-means聚类算法对分块子图模糊强度进行自适应分类,实现图像局部模糊区域的自动检测分割的目的。（3）基于模糊区域的检测和分割结果,研究局部模糊图像的增强处理算法。根据图像退化模型,采用改进的维纳滤波算法进行增强处理,实现了局部模糊图像的信息恢复。论文进行了局部离焦模糊和运动模糊图像的检测分割以及模糊区域的增强处理实验,验证了本文算法的可靠性。与相关算法进行对比结果表明,该算法具有计算量小,分割精确的特点,是一种普适性较高的单幅局部模糊图像模糊区域检测与分割算法,在多数领域均可应用。