随着计算机技术的快速发展和智能手机的日益普及,人们在工作和生活中不断地接触数字图像。在图像采集过程中,往往成像设备与拍摄场景之间存在一定的相对运动,导致图像变得模糊不清,这极大地影响了人们的工作和生活。近年来,运动图像盲去模糊问题不断受到国内外各领域的广泛关注,在公共安全领域、交通安全监控领域、航空航天领域、医学图像领域、军事侦察领域等众多重要领域都需要用到图像盲去模糊技术,因此,该课题具有重要的研究价值和深刻的现实意义。目前运动图像盲去模糊的主要研究在于从观测得到的模糊图像中同时估计出清晰图像与模糊核。本文针对全局运动模糊问题进行了盲去模糊研究,主要开展了以下工作:1、考虑到估计的中间图像中仍存在较为严重的模糊和噪声,直接利用该图像的边缘信息未能正确指导模糊核估计,因此有必要对中间清晰图像进行显著性结构提取,将此显著性结构用于模糊核估计。鉴于此,本文提出了一种基于非维度高斯测度稀疏先验和边缘约束的运动图像盲去模糊算法,首先在非维度高斯测度正则约束下恢复出中间清晰图像,然后借助T-smooth技术进行显著性边缘提取,利用提取到的显著性结构信息采用一种变分狄利克雷模糊核估计方法求得较为准确的模糊核。在非盲去模糊阶段,考虑到全变分与超拉普拉斯正则化方法的优缺点,通过将两种方法复原的图像取平均的方式减轻了复原图像中的振铃效应,同时保留了更多的图像细节。2、考虑到图像梯度的稀疏性,引入自适应l₀-范数正则项约束待估图像的梯度,恢复出中间图像的显著性结构,以此显著性信息指导模糊核估计;考虑到模糊核的稀疏性、连续性以及归一化特性,以l₀-范数和l₂-范数构造了一种新的模糊核正则约束项,并利用此正则项约束模糊核的解空间,提出了一种基于自适应l₀正则化的运动图像盲去模糊算法。为了验证所提算法的有效性,本文在Levin标准测试集和实际彩色模糊图像上分别进行了大量的实验。实验结果表明,本文所提算法具有较好的盲去模糊效果。