图像在采集、转换和传输过程中，常常会受到成像设备与外部环境噪声干扰等影响，造成图像降质。例如在使用数码相机拍摄时，由于光学系统的装配、拍摄对焦不准、曝光期间的相机抖动或拍摄时的目标移动等均会使拍摄的相片图像模糊。本文主要研究去除由相机抖动造成的图像模糊。但在大多数的图像复原的基本理论中，该问题是无定解的，因为对于原图和模糊核知之甚少，必须对其做出很强的先验假设：而传统的信号处理在解决该问题时通常以频率能量定律的形式做一个普遍的假设，相应的算法仅能处理很小尺寸的模糊核，对于相机抖动相关的复杂模糊核则无能为力。本文参考了2006年Fergus提出的估计相机抖动轨迹进行复原的方法，通过进一步对自然图像统计特性的研究，寻找出模糊图像和清晰图像在统计特性上的差异，即清晰图像的小波域细节分量服从拉普拉斯分布，而模糊图像则不具有这种特性。利用自然清晰图像小波域的细节分量统计分布作为先验信息，采用Bayesian法来解决未知量的估计，寻找出模糊核，进而通过经典的图像复原法重建图像。实验结果从收敛性、图像清晰度和纹理三个方面来评价，实验数据表明，经过本算法复原后的图像质量明显优于复原前，并且在复原效果相当的情况下，本算法的收敛速度远高于Fergus算法的收敛速度。大多数的成像设备都会引入不同程度的亮度及几何非线性失真，因此还需要考虑这两种非线性失真对复原的影响。由于人对亮度失真的感知比几何失真敏感，因此在本文仅考虑亮度非线性对于复原结果的影响，主要结合亮度非线性的盲移除进行研究。通过分析非线性对于图像频谱引入的特有的高次(大于二次)相关性，这些相关性可以从多谱分析中估计出来，通过最小化这些相关性估计出亮度非线性的参数值，从而还原出原始的线性图像。实验表明提高了复原的效果。