作为一项基础性的研究工作，运动模糊图像的复原是数字图像复原研究领域的一个重要分支，也因此被广大学者们深入研究。该技术能够复原出图像的细节信息，在医学、天文观测以及计算机视觉等对图像质量要求较高的应用场景中起着至关重要的作用。
　　本文针对前人的研究成果，从理论和算法实现上对基于最大后验概率的运动模糊图像复原算法进行了详细地讨论，深入分析了算法中所使用的噪声、清晰图像和模糊核的先验估计模型，提高了复原图像的质量。本文使用变分贝叶斯方法，通过KL散度来度量清晰图像的分布与引入分布之间的距离，对于这一过程中涉及到的多个未知参数，本文采用交替最小化方法，在求解一个变量时固定其他变量，轮流求取每个变量。同时，对模糊图像采取下采样操作，在迭代过程中用来约束模糊核的估计方向。实验部分验证了本文算法能够有效的抑制复原图像中的振铃效应，对比结果也表明本文算法能够取得较高质量的复原效果。此外，本文在对暗光环境下的运动模糊图像特点进行分析，发现图像中的光条纹轨迹很大程度上反映出模糊核的方向，从而给出一种暗光环境下运动模糊像的复原方法。在图像中人为选择出几组主观上质量较好的包含光条纹的区域，通过L1范数的正则化方法计算提取模糊核。对图像中存在的影响复原效果的饱和像素进行区分处理，使用改进的R-L算法进行去卷积计算，得到复原图像。实验证明本文算法对于暗光环境下的运动模糊图像具有较好复原效果，能有效的抑制饱和像素干扰而产生的振铃效应。