数字摄影技术的蓬勃发展,使得图像处理出现了越来越多的分支,而模糊图像复原便是其中一个重要的研究方向。在导致图像模糊的多种情况中,由于拍照时摄像机与被摄物体之间的相对运动所导致的图像模糊被称为运动模糊。其中,摄像机的抖动会使得整幅图像形成运动模糊,而被摄场景中局部物体的运动,则会导致局部图像运动模糊。根据运动模糊图像的数学模型,可知其复原的核心就是模糊核估计。对于整体运动模糊图像,通常假设整幅图像只存在一个模糊核。而局部运动模糊图像,其模糊核随空间变化而变化,数学模型更为复杂。局部运动模糊图像的复原算法大多依赖于多帧图像,或需要假设模糊图像是由匀速直线运动所导致的。而依靠深度学习来解决非均匀运动模糊的问题,往往因其巨大的计算量而耗费大量时间,且一般需要硬件支持。因此,本文在对以往模糊图像复原领域的相关工作进行研究后,侧重于研究局部运动模糊复原,并提出一些改进算法来提高图像复原质量。首先,针对以往算法的复杂性和高耗时特性,本文提出了单幅局部运动模糊图像复原框架,有效提高了每一步结果之间的利用率和实验效率。本文框架的中心思想是:在检测分割运动模糊区域后,对分割得到的模糊区域进行复原,以求得完整的清晰图像;其次,本文提出了模糊区域检测算法。考虑到奇异值与模糊模型的关系、多尺度模型对区域检测精度提高的正面作用,以及闭合型图分割对模糊区域标识结果的有效矫正,通过图像奇异值结合多尺度感知和闭合型图算法,实现两步模糊区域检测。在降低运算复杂程度的情况下,有效提高了模糊区域检测精度。实验结果表明,改进后的算法检测结果更好,适用性更高;最后,针对模糊区域复原后与清晰区域拼接存在边缘效应这一问题,本文提出了分割后的局部运动模糊图像复原拼接改进方法。利用检测出的模糊区域模糊核,复原区域分割过程中得到的图像,最后去除多余部分并拼接清晰区域。分析实验结果可以发现,这一改进可以有效利用上一步的检测结果,解决了复原后的图像拼接边缘的问题,避免了边界效应。