图像复原是指将因各种因素降质的低质图像恢复为满足各类应用要求的高质量图像。由于运动造成的图像模糊降质,对后续的目标检测、目标跟踪等高级视觉任务有着严重的影响。近年来,基于深度学习的运动模糊图像复原研究取得了重要的进展。但是在真实世界中,获取光线、构图、色泽及其它因素完全相同的模糊清晰图像对是十分困难的。因此,以机器学习理论为基础,研究无监督的运动模糊图像复原方法具有重要的理论意义和应用价值。本文以机器学习理论为基础,分别研究了针对模糊图像序列和不成对的模糊清晰图像的运动模糊图像复原算法。首先,从模糊图像序列的运动线索出发,对空间变化的模糊以及边缘的恢复展开研究。然后,从不成对的模糊清晰图像出发,研究结构信息在Cycle GAN模型中对运动模糊图像复原的作用。最后,设计并开发了集成运动模糊图像复原算法以及复原图像质量评价方法的应用系统。本文的主要工作包括:（1）提出了基于边缘及多尺度特征的自监督运动模糊去除算法。对于空间变化的模糊,获取更大的感受野和多尺度信息对于提高复原图像质量是至关重要的。基于此,本文引入了空洞残差模块以获取更大的感受野以及上下文模块以融合多尺度特征,并设计了边缘损失函数以提高模型对边缘信息的关注度。在Fastec＿synthetic＿dataset数据集上进行的实验表明,本文提出的自监督运动模糊去除方法性能接近于有监督方法,优于其它对比的无监督方法。（2）提出了基于结构信息的不成对图像运动模糊去除算法。Cycle GAN模型应用在运动模糊图像复原任务时,生成器往往倾向于学习清晰图像的颜色、纹理等信息以“欺骗”判别器,而对运动模糊信息的去除关注不足。针对以上问题,本文提出了基于结构信息的不成对图像运动模糊去除算法。将生成图像的边缘图与生成图像一起送入判别器中,提升网络对运动模糊信息去除的关注度。与基网络相比,改进后的模型在文本数据集和人脸数据集上PSNR指标分别提升了1.37d B、2.29d B,SSIM指标分别提升了0.0885、0.0484。在高速铁路尖轨伸缩位移数据集上PSNR指标提升了3.57d B。（3）针对图像复原应用需求,设计并开发了一套运动模糊图像复原系统。将上述运动模糊图像复原算法集成到该系统,并设计了基于边缘信息的图像清晰度评价模块对不同算法的图像复原结果进行定量客观评价,根据评价结果排序推送给用户。本文包含图34幅,表15个,参考文献60篇。