盲图像去模糊是图像处理和计算机视觉领域中的一个经典问题,它的目标是将模糊图像中隐藏的清晰图像进行恢复。在盲图像复原过程中我们缺少了模糊核和原图像两个关键的信息,所以这是一个欠定问题,即存在无穷多解。为了解决欠定问题并得到模糊核的数值解,就需要关于模糊核和图像的额外约束和先验知识。故本文提出了一种基于多种先验的有效的盲图像去模糊的改进方法,我们方法的基础是还原图像倾向于清晰图像这样一个事实。基于目前盲图像复原方法在一些特定场景图像,例如低照度图像,背景复杂图像等复原效果不理想,存在一些模糊(图像轮廓和细节表示不清晰)。本文旨在解决这些问题,提出了结合多个先验,包括暗通道先验,强度图像先验和梯度图像先验知识,并加以权衡,就可以在复原过程中对轮廓和细节提供更多的先验信息,从而对模糊核估计有很大帮助。本文中我们把三种先验加权,得到一个总的先验知识,并把这个先验知识放到MAP(Maximum a posteriori estimation)的框架中。通过不断地迭代得到估计模糊核,再利用非盲的图像复原方法对原图像复原。在泛化处理自然环境中的多种场景中,我们的结果相对于目前比较先进的方法有了不错的进步和提升,结果的轮廓和细节都有不错的提升。