在图像采集过程中,由于环境、天气、设备、操作等因素,获得的图像往往会存在一定程度上的模糊和噪声,为实际应用带来了很大的不便,对图像识别、分析和处理都造成了极大地挑战。所以,越来越多的领域应用图像处理技术对有噪模糊图像进行复原。图像盲解卷积算法指的是当点扩散函数未知时,利用模糊图像复原出原始清晰图像的方法。图像盲解卷积问题不仅是一个典型的反问题,还是一个病态问题,本文利用稀疏理论和自相似性对图像盲解卷积算法进行了分析和研究。本文具体内容和创新性主要体现在以下两个方面:1.本文提出了一种基于组稀疏和自相似性的图像盲解卷积算法,该算法将图像的自相似性先验和组稀疏先验作为正则化约束条件,利用非局部相似图像块组作为稀疏表示的基本单元,结合了自然图像的内在的局部稀疏性和非局部自相似性,通过对具有相似结构的图像块组进行组稀疏表示来更好地复原图像。同时,利用不同尺度的图像的自相似性,对于每一个图像块,在不同尺度的图像中搜索多个相似图像块来线性表示该图像块,从而更好地估计点扩散函数和清晰图像。2.本文提出一种基于低秩表示和自相似性的图像盲解卷积算法,解决有噪模糊图像的复原问题。该算法将图像的低秩性先验和自相似性先验作为正则化约束条件。一方面,利用图像自身结构上的低秩性和相似性,对具有相似结构的相似图像块组整体进行低秩表示,从而可以很好地去除图像中的噪声,降低噪声对复原操作的影响。同时,利用不同尺度图像的自相似性,用不同尺度的图像中的多个相似图像块来线性表示每一个图像块,从而能够更好地估计点扩散函数和清晰图像。