图像是人类获取信息的重要来源,然而图像在拍摄过程中不可避免的受到噪声的干扰以及模糊的影响,使得质量降低.受损图像会给进一步的图像处理带来困难,于是从受损图像中恢复原始图像就尤为必要.图像去模糊作为图像恢复的一个重要分支,具有重要的研究价值与意义.图像去模糊在数学上是一个不适定的反问题.正则化方法是求解不适定问题的普遍方法.这种方法的基本思路就是找一组与原问题相邻近的适定问题的解去逼近原问题的解.如何建立有效的正则化方法是图像恢复的一个重要研究内容.因此图像去模糊模型的关键在于正则项的选取.全变差正则项模型是最具代表性的正则化方法,由于其可以很好的保护边缘,随后被广泛应用到图像去模糊领域.为了克服全变差模型存在的阶梯效应和振铃现象,本文通过给全变差正则项增加一个边缘自适应系数,提出了基于边缘的倍数自适应全变差模型.该模型根据像素点局部信息自动调整正则项参数,减小边缘附近的权重,平滑区域不做处理,从而降低全变差最小化过程中对边缘的作用,更好的保护边缘.文中使用交替方向乘子法求解模型,并通过仿真实验验证所提出的模型具有更好的去模糊效果,峰值信噪比和结构相似度均有提高.基于L~2范数的调和模型对图像的平滑区域有很好的恢复效果,但由于其在各个方向的扩散能力一样从而导致图像边缘模糊.而全变差模型能很好地保护边缘但同时会在平滑区产生阶梯效应.为了缓解全变差模型的阶梯效应以及克服调和模型模糊边缘的缺陷,提出了一种基于边缘检测的混合正则项自适应去模糊模型.该模型根据像素点是位于边缘或是平滑区域,自适应的在边缘附近对全变差正则项进行缩放,在平滑区域对Tikhonov正则项进行缩放.而且在求解过程中边缘信息矩阵会随着迭代过程动态更新,边缘信息越来越准确.数值实验结果表明,该模型在消除噪音去除模糊的同时还能很好的保护图像边缘,具有较理想的恢复效果。