基于惯性定位和机器视觉组合(IPS/Vision)的汽车导航是一个新的领域。这种组合导航中惯性定位是主体，其累积误差较大，机器视觉的主要任务就是通过对车载设备抓拍的路标/道路标志线进行判识以校正累积误差。而车辆行驶中的抖动不可避免会导致拍摄图像模糊，严重时会导致视觉定位失效。为此，本论文致力于对车载相机抖动造成的模糊图像进行去模糊，在研究现有的优秀去模糊算法基础上，结合车载模糊图像自身特点，对图像去模糊算法进行改进使之能够有效地对车载图像进行去模糊，主要工作如下：第一，针对快速总变差去模糊算法及基于超拉普拉斯分布的快速图像去模糊算法存在的问题，提出一种更健壮的车载图像快速去模糊算法。在该算法中，建立一种新的模糊模型，并利用交替指令算法求解该模型。通过实验对算法性能进行对比证明：对中等尺度图像，本算法在运行速度和去模糊后图像质量方面都要优于基于超拉普拉斯分布的快速图像去模糊算法；对于大尺度图像，虽然算法速度较基于超拉普拉斯分布的快速图像去模糊算法慢，但经本论文改进后的算法去模糊后明显提高了图像质量。第二，针对标准化稀疏度量核估计的车载图像盲去模糊算法存在的问题进行改进。在改进的算法中，利用标准化稀疏度量核估计算法对模糊核进行估计，在得到模糊核之后，再利用上述的车载图像快速非盲去模糊算法对车载图像进行去模糊。通过仿真实验证明：该改进的算法在去模糊质量和速度上都有明显提高。第三，针对基于标准化稀疏度量核估计的车载图像盲去模糊算法在模糊核尺度大于车载图像中的对象时，模糊核估计不准确并且去模糊后的图像会产生大量晕影效应，以及基于模糊核优化的盲去模糊算法自身存在的问题，对算法进行改进。为有效抑制噪声及图像细节信息对模糊核估计的干扰，在改进的算法中，利用双边滤波器对模糊图像进行预处理，再利用核优化方法估计模糊核，最后利用上述的车载图像快速非盲去模糊算法进行去模糊。通过仿真实验证明：本改进的算法估计出的模糊核更加准确，且能够有效地去除晕影效应，去模糊后的车载图像质量和算法运行效率要明显优于原始算法，满足实际应用的基本要求。