随着数字化技术的快速发展,人们在生活和工作中不断地接触数字图像。在图像采集过程中,往往由于拍摄设备与拍摄景物之间存在一定的相对运动,会导致图像中出现模糊不清,给人们带来了诸多不便。近年来,图像去模糊问题逐渐成为国内外的图像处理领域的热点研究课题,图像复原技术也广泛应用于公共安全领域、医学图像领域、交通安全监控领域、军事侦察领域、航天航空领域等等,因此该课题具有一定研究意义和重要的应用价值。本文主要的关注目标是单幅图像的盲去运动模糊问题。首先,基于图像去模糊问题的研究背景,强调其具有的重要研究意义和应用价值,并阐述现有方法的优势所在及其不足之处。其次,分析图像去模糊这一反问题的不适定性,简要说明基于正则化的解决方法。再次,根据自然图像梯度和模糊核的先验假设信息,介绍几种相应的典型的稀疏分布先验及稀疏约束函数。为了能够自适应地调节图像中不同区域的惩罚力度,本文利用图像的局部信息,提出一种基于局部自适应稀疏约束的正则化方法,该方法能够自动地减少对边缘等特征区域的惩罚,加大对平坦区域的惩罚,使模型的解更加倾向于清晰图像。由于图像显著性结构对模糊核估计的准确度有重要影响,本文采用基于RTV的方法提取图像的显著性结构,并结合局部自适应稀疏约束的正则化模型,采用多尺度的方法进行模糊核估计。此外,为了在抑制模糊核中噪声的同时,保持模糊核结构的连续性和稀疏性,本文采用有效的基于l0范数的方法对初步估计的模糊核进行提炼处理。丰富的实验表明,本文方法能够保证模糊核的稀疏性以及连续性。同时,该方法有效地去除了图像中的模糊及噪声,并有效地抑制了振铃效应,保持了图像边缘的清晰度,从而获得高质量的复原图像。