图像在采集过程中,由于相机的对焦不准、相机与拍摄对象的相对运动、大气湍流等因素导致最终得到的图像不清晰,这种现象称为图像退化。模糊图像的产生导致人们在深入挖掘图像隐藏信息和进一步分析理解图像的过程中遇到比较大的困难。因此,模糊图像复原问题成为了数字图像处理领域一个最关键、最基础的问题之一。根据成因常把图像模糊分为散焦模糊、运动模糊和高斯模糊。模糊图像复原就是解决图像质量退化问题,从而使图像尽可能地接近真实场景。通常,复原一幅模糊图像需要首先估计出造成图像模糊的点扩散函数——模糊核,然后根据估计出的模糊核使用图像复原算法来对模糊图像进行复原。本文针对图像散焦模糊和运动模糊进行研究,重点探讨模糊核参数估计问题,主要研究内容如下:首先,研究了图像退化的一般模型,分析了散焦模糊和运动模糊成像机制并给出了对应的点扩散函数,详细阐述了逆滤波算法、维纳滤波算法和LucyRichardson算法这三种复原算法,并通过实验比较了三种算法的复原效果。其次,研究了粒子群优化算法的基础理论知识。包括粒子群优化算法提出的背景,基本的粒子群优化算法,粒子群优化算法的两种模型以及对粒子群优化算法的改进算法。然后,提出了基于图像灰度平均梯度和粒子群优化算法的模糊核参数估计方法。该方法利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,提出的算法对于点扩散函数参数的估计具有较高的准确性。最后,研究了Radon变换法、倒频谱分析法等经典的点扩散函数参数估计方法,并与提出的基于灰度平均梯度的点扩散函数参数估计方法作对比。然后将其用于复原真实的模糊图像,取得了比较好的效果。