随着数字摄影技术的普及,图像增强已经成为数字图像处理领域研究的热点。去模糊技术作为图像增强的分支之一,越来越受到人们的重视。按照导致图像模糊的模糊核的不同,去模糊技术被分为去失焦模糊和去运动模糊两类。相机聚焦失败或者成像场景内的目标物体的厚度超过景深将会导致失焦模糊;而运动模糊是在摄像机的曝光时间内,由于摄像机的抖动或者镜头内的景物快速移动导致的。本文关注的重点是由运动导致的运动模糊图像。运动模糊图像的数学模型一般是清晰图像与模糊核进行卷积再加上随机噪声。因此,去运动模糊技术就是从模糊图像中估计出模糊核,并进行反卷积得到清晰图像。根据模糊核的性质不同,可以将去运动模糊技术分为空间不变与空间可变两大类,其数学模型分别对应为单核模型与多核模型。空间不变的去运动模糊技术是假设整幅图像中的模糊核是一致的,而空间可变的去运动模糊技术则是随着像素的不同,其对应的模糊核也不是单一不变的。由此可见,空间可变的模糊图像的数学模型更加复杂,其去模糊技术也将更加具有挑战性。本文在充分研究和分析各类去运动模糊的方法,并结合目前去模糊领域中的研究热点与难点,将本文研究重点集中在空间可变的运动模糊图像。本文提出了基于模糊检测的去空间可变的运动模糊图像的新框架。首先检测局部模糊图像中的模糊区域,其次根据检测出的模糊区域映射图进行模糊区域分割,最后对分割出来的模糊区域采用空间不变的去运动模糊技术求解模糊区域对应的清晰图像。本文的主要工作点在于四个关键步骤:(1)利用模糊图像的特征对局部模糊图像的模糊区域进行检测;(2)利用检测出的模糊区域对应的映射图,进行模糊区域分割;(3)利用图像各区域内部模糊核一致,采用先进的空间不变的去模糊技术,对该模糊区域去模糊;(4)利用边缘拓展消除区域拼接时导致的边缘效应。实验结果在人工构造的数据集和真实的模糊图像数据集都验证了本文方法的有效性。在人工构造的数据集,本文算法与传统的单核去模糊算法相比PSNR提高了10dB,RMSE降低0.12;在真实的模糊图像数据集中,相比于其他算法视觉效果有明显的提升,振铃效应也被明显的抑制。本文算法相较于多核算法,算法模型被明显简化,计算复杂度也被明显降低。