在天文观测、遥感成像以及公共安全等诸多应用领域中,图像质量是否满足应用需求一直是备受关注的重要问题,但是图像在获取过程中存在各种因素会造成不同程度的模糊,从而导致图像质量的下降。由于实际模糊图像的退化原因较为复杂,导致模糊退化过程建模困难,并且盲去模糊是一个高度不适定的反问题,因此模糊图像的盲复原是一项极具挑战性的技术。现有的大多数图像盲去模糊方法仅具有一定的理论价值,尚未形成解决实际问题的有效途径。因此图像盲去模糊问题的研究具有广泛的应用前景,是目前图像处理领域的研究热点和难点之一。本论文主要以图像盲去模糊算法处理的流程为主线,围绕模糊核盲估计以及图像非盲去模糊这两个关键问题和主要内容,并在此基础上设计了对应问题的几个解决策略和快速有效的算法。论文研究工作的主要内容和创新点总结如下:(1)在基于边缘增强的启发式图像盲去模糊框架下,提出了一种基于图像分解和自适应方向梯度的启发式边缘增强图像盲去模糊算法。首先,为了获得图像的卡通部分,引入了一种快速图像分解算法,并利用增强后的卡通部分作为模糊核估计中潜在图像的初始输入。其次,将基于图像局部结构的自适应方向梯度作为一种边缘特征提取算子引入模糊核估计模型中,更为准确地描述了图像中的边缘特征。最后,利用卷积的线性特征,将空间变化的自适应方向导数滤波器的频域响应近似为标准导数滤波器频域响应的线性组合,使得模型能够利用FFT进行快速求解。仿真数据和真实数据表明,所提出的模型能够准确地估计出模糊核,并恢复出清晰图像。(2)在基于MAP估计的图像盲去模糊框架下,提出了一种基于优化重加权l1范数的图像盲去模糊算法。为了提高对l0范数的逼近能力,引入了加权l1范数这一增强的稀疏性度量作为MAP估计框架的先验模型。在权重计算方面,考虑权重系数可利用图像的局部结构强度信息来获得,以此来消除小尺度的纹理结构对模糊核产生的不利影响。为了进一步减弱噪声或异常点对权重计算的影响,在迭代过程中采用了优化估计的策略。针对所建立的模糊核估计模型,采用半二次分裂技巧对其进行有效求解。实验结果表明,与其他基于MAP估计框架的盲去模糊模型相比,所提出的模型与算法明显提高了性能。(3)考虑图像梯度的稀疏性先验模型是基于分片光滑假设的,因此在模糊核估计过程中容易造成图像中出现阶梯效应。鉴于此,将高阶TV模型作为额外的先验信息引入模糊核盲估计模型,提出了一种基于l0-l1复合正则化的图像盲去模糊算法。提出的模型不但能够抑制阶梯效应,也能够有效的保持图像中边缘结构的连续性。针对所建立的复合正则化模型,采用了分裂增广拉格朗日乘子法进行快速有效求解。实验结果表明,提出的模型与算法的性能无论是在客观评价指标还是在视觉效果上都有明显的提高。(4)针对图像非盲去模糊问题,采用梯度域下的稀疏性,结合l0范数作为稀疏性描述,并引入了非局部结构相似性作为图像额外的先验信息,从而提出了一种两阶段的图像非盲去模糊算法。首先,在第一阶段利用基于梯度稀疏性的图像非盲去模糊模型恢复出图像中的边缘结构以及大尺度的纹理部分。在第二阶段中,采取了非局部结构相似性作为正则项,同时提出了一种新的边缘结构相似性约束项,从而建立了基于非局部自回归模型的图像非盲去模糊模型。针对两个阶段中的优化模型,分别设计了相应的数值算法进行有效地求解。实验结果显示了本章算法能够很好地恢复出清晰图像,特别是在保持图像边缘部分以及纹理结构方面,同时也能够有效地抑制图像边界处的Gibbs效应。