在日常的获取图像中，由于拍摄设备和景物间的相对运动，会导致图像的模糊出现。相应的，模糊图像的复原旨在从模糊图像中提取有效的信息，建立去模糊的模型，尽可能地出清晰的原始图像。研究的内容包括模糊参数估计、图像恢复算法等，其中模糊参数估计是图像去模糊过程中的重点，这也是本文的核心分析所在。本文首先建立了图像模糊的数学模型，并对模糊核的产生原理展开详细的分析，着重分析了两种情况。首先，在平坦背景下通过边界区域下的模糊核估计。通过分析模糊图像边界的梯度变化，提取了导致图像模糊的运动特性信息，由此建立了与运动特征信息相关的模糊核初始化模型。实验表明，该算法提取出了高效的初始化模糊核，降低了对后期递归优化算法的依赖，去模糊耗时短，效果明显，尤其适用于平坦背景、边界区域变化明显的模糊图像去模糊。其次，分析了具有内置感应器的拍摄设备，在轻微抖动下的模糊分析。通过建立相关的模糊核构造模型，分析了在抖动过程中的感应器数据，对模糊核进行了基本的初始化，并对复杂的平面运动提出了理论上的初始化模型。实验表明，该模型能高效的对模糊核进行初始化，效果明显。在此基础上，对图像进行复原分析。文中采用维纳滤波方法Richardson-Lucy迭代算法对模糊图像进行恢复，目的在于利用最简单的复原方法，以达到复杂算法下同样的复原效果。实验表明模糊核与模糊图像相关性越大，图像复原的效果越好，对图像复原算法的依赖性越低。