随着数字图像处理越来越广泛的应用,文字图像分析已经成为图像处理的一个重要研究领域,而模糊文字图像恢复更是具有重大实用价值和社会意义的研究方向。由于实际应用中,通常模糊文字图像的先验知识缺乏或很少,因此只能通过盲图像恢复算法进行处理。文本图像作为一种特殊场合的图像,具有它特有的性质。根据文本图像的特征,可以对目前先进的盲恢复算法进行改进,提出针对文本图像的恢复算法,以获得更好的恢复效果。本文研究了盲恢复算法的基本模型,并分类总结常用的盲图像恢复算法,其总体思路通常为：首先对退化过程建立相应的数学模型,然后通过求解该反问题来获得对原始图像的合理估计。此外,深入分析了文字图像的特征——直方图双峰特征,为提出基于文字图像的盲恢复算法打下基础。重点研究了经典的盲解卷积算法和比较先进的NAS-RIF算法,并分别对其进行改进。改进盲解卷积算法采用了新的空间域约束条件,而改进NAS-RIF算法修改了代价函数,将文字图像的双峰特征作为一个限制条件融入其中。通过大量实验的比较分析可见,在恢复相同模糊程度的文字图像时,在图像恢复效果上,同一类的改进算法比传统算法具有明显的优势,且改进的NAS-RIF算法无振铃现象,比改进的盲解卷积算法的文字辨识度更高,但两者都对噪声比较敏感,有待进一步提高。最后,总结分析了两种算法的优缺点和有待改进的地方,并对未来工作的方向和重点进行了展望。