随着图像与人类生活越来越紧密相关,对高质量图像的需求与日俱增。但图像易受各种因素影响导致质量下降,运动模糊图像就是其中一种需要恢复清晰图像的降质图像。去模糊算法研究不但是图像复原的重要内容,而且在数字图像处理领域具有重要意义。运动模糊图像去模糊算法有两项重要工作,即模糊核的正确估计是去模糊的重要前提,反卷积获取高质量的清晰图像是去模糊的最终目的。尽管目前去运动模糊方法很多,但是仍有一些问题亟待解决,比如多次迭代导致严重的时间消耗;交替迭代更新清晰图像和模糊核过程中,代价函数模型设计的不好或者反卷积次数太多,还会导致振铃效应;同时若运动模糊图像含噪声或者处理的图像并不是运动模糊图像,直接去模糊都会影响最终恢复图像的质量。本文将针对这些问题进行创新和改进。一、为确保处理对象的正确性,在对运动模糊图像去模糊之前,要先根据自然图像梯度服从重尾分布的特点,计算评估系数是否满足设置的阈值来区分图像是否为模糊图像。然后在确定模糊图像之后,再根据图像的梯度频谱图是否含有平行的暗条纹来判别是否为运动模糊。进行模糊确认和模糊类型判断都是为了能处理真正的运动模糊图像,从而不影响最终恢复图像的质量。二、根据基于暗通道的图像在二次稀疏后,其清晰图像与运动模糊图像的稀疏差异变得更大这一特性,本文提出了一种稳定性良好的二次稀疏混合先验代价函数模型,避免了代价函数在极小值点的解是模糊图像的缺陷。同时为了减小多次迭代带来的时间消耗,在更新清晰图像过程中采用快速阈值收缩的方法加快了迭代速度。在盲去模糊阶段获取了精确的模糊核之后,为了减小振铃效应,本文设计了超拉普拉斯先验和L0正则化梯度先验相结合的非盲去模糊算法,同时用双边滤波消除两个算法获取的清晰图像差图中的伪像,进而获得高质量的清晰图像。整个方法不仅能获取质量较好的图像,而且提升了速度。三、图像容易受到噪声污染,但去模糊算法通常又对噪声比较敏感,因此对含噪图像的去运动模糊研究是极有必要的。本文提出了一种自适应中值滤波与导向滤波结合的去运动模糊方法。该方法采用滤波去噪和边缘增强的方式,对去模糊算法影响很小。自适应中值滤波不仅能很好地去除噪声,同时也保留了图像的完整性。导向滤波器对图像进行了结构和边缘增强,使得模糊核的估计更加准确。获取了准确的运动模糊核之后,采用对异常值处理的非盲去模糊算法双重保障了最终能够获取较清晰的图像。四、为了更好地对无原始清晰图像作参考的去运动模糊后的图像进行质量评价,本文对基于模糊系数的全参考图像质量评价方法进行了改进,提出了一种基于边缘能量保真度的图像质量评价方法。该方法计算原运动模糊图像与恢复的清晰图像的边缘能量之比作为保真系数,从而评价恢复的图像质量以及算法的优劣,解决了去运动模糊算法无原始清晰图像的质量评价问题。