因图像在成像过程中一般需经过采集、存储、传输等许多中间环节,再加上如设备质量、成像环境等因素的影响,致使获取的图像质量下降,也称为图像退化。退化的图像较为模糊、噪声点突出、分辨率不足、部分区域信息丢失,从而导致后续图像处理中面临较多的障碍,图像复原技术即为针对上述问题的有效解决方法。图像复原按照相应退化模型中的点扩散函数(Point Spread Function,PSF)是否已知分为两种:一种是PSF已知的非盲复原,另一类是PSF未知的盲复原。由于盲复原的PSF以及清晰图像都是不明确的,均需要估计,因此模糊图像盲复原是一种病态逆问题。模糊图像盲复原一般需要完成两步工作,第一步是解决模糊核预测问题,第二步是按照预测到的模糊核,借助相应的解模糊手段对目标图像进行复原处理。本文重点围绕解模糊算法运算、模糊核预测、相关修正算法等,对模糊图像盲复原算法进行了较为深入的研究。针对经典迭代盲反卷积算法中较易出现解模糊以及收敛速度慢的问题,本文提出了相应的改进方法。首先使用双边滤波器对模糊图像进行预处理,其次通过信息熵算法计算图像的有限支持域,在该支持域中进行空间和频域的迭代替换,从而有效的解决了收敛性慢和解模糊问题。实验结果表明,相较于经典的迭代盲反卷积算法,改进算法恢复的图像峰值信噪比高,算法收敛快,恢复效果更好。重点研究了运动模糊图像的盲复原问题。针对运动模糊图像盲复原算法,重点分析模糊核估计和模糊核修正问题,提出引用滚动引导滤波器和运算梯度图,反复迭代修正估计模糊核,然后利用L-R算法和修正后的模糊核对图像进行复原的方法。由于本文方法引入了对饱和像素的处理模型,因此大量地减少了复原结果中由于亮度较高区域引起的振铃效应,复原图像的效果得到了较大程度的提升。