用照相机获取图像时,由于景物和照相机之间的相对运动,往往会造成图像的模糊。另外,图像在获取和传输过程中,往往产生大量随机噪声。运动模糊和噪声使图像质量退化,对进一步的边缘检测、图像分割、特征提取及模式识别等带来不便。全变分（TotalVariation,TV）模型应用于运动模糊图像复原领域较传统图像复原方法有着独特的优势。本文在充分研究全变分复原模型的基础上,提出了一种改进自适应全变分模型,并将其运用到真实运动模糊图像的复原。论文首先介绍了运动模糊图像复原的理论基础及传统图像复原方法,研究传统复原方法对运动模糊图像的复原效果。然后介绍了全变分方法图像复原的基本模型,分析了TV模型的特点及其数值解法。研究了自适应全变分模型,并将其用于运动模糊退化图像复原,得到较好的复原结果。接着,在分析各向同性扩散和全变分模型的优缺点的基础上,提出了一种改进的自适应全变分模型。新模型综合利用各向同性扩散模型和全变分模型的优点,引入两个门限:小于门限β₁的梯度模值的点采用各向同性扩散模型;大于门限β₂的梯度模值的点采用全变分模型;梯度模值在两个门限之间的采用自适应模型。新模型进一步减少“阶梯效应”,得到更好的复原效果。最后,将以上全变分模型及其改进模型运用于真实运动模糊图像中。针对真实模糊图像特点,采用最优窗法消除边界截断所产生的振铃效应,最终得到理想的复原结果。