文字作为表达人类思想和情感的符号,在日常生活中处处可见。因此,以文本信息作为主体内容的文本图像也十分常见。在真实场景中拍摄的文本图像,经常因为分辨率不足以及相机抖动、失焦等多种因素,造成图像严重降晰,即清晰度大大下降,视觉效果模糊。针对多种退化因素的降晰文本图像复原方法研究是重要的也是必要的。然而,近年来,文本图像复原研究大多只针对单一的降晰因素。本文研究了针对单张低分辨率和抖动/失焦模糊的降晰文本图像进行复原的方法。通过建模和分析文本图像的降晰过程,本文发现,在降晰文本图像的复原方法研究中,高频信息具有非常重要的角色,应该得到重视。图像梯度编码了图像大部分的高频信息。通过观察本文还发现,与自然图像相比,文本图像的梯度分布更趋于均匀,往往在多个方向上都存在较强的梯度,能够较多地覆盖二维频谱,有助于复原降晰文本图像。本文的主要工作可以概括为以下三点:第一,通过展开图像复原中常用的?0范数正则化模型,本文提出了一种有效的边缘协同机制,该机制充分利用了高频信息的重要性和文本图像的梯度特性,以不同的方式来分别处理图像的低频和高频信息,通过高频预测和边缘协作复原两个子过程的迭代来不断地改进对真实边缘图和清晰文本图像的预测;第二,结合?0范数正则化模型和深度学习技术,本文提出了边缘协同模块,将边缘协同机制引入到深度神经网络中,构建了一种有效的边缘协同深度网络用于复原降晰文本图像;第三,本文构建了一个高质量的大型文本图像数据集,该数据集具有复杂多样的文本图像类型,能为其他降晰文本图像复原方法的研究提供数据支撑。本文在现有的公开文档图像数据集、新建的复杂文本图像数据集,以及真实文本图像上进行了大量实验,通过峰值信噪比、结构相似性指数、光学字符识别准确率和视觉效果的对比,验证了所提出的边缘协同深度网络在降晰文本图像复原中的有效性和优势。