图像在获取和传输过程中,容易受到外界条件的影响而产生退化降质现象,模糊图像便是其中最主要的退化形式。图像复原就是通过建立并求解退化模型来恢复出原始的清晰图像,现下流行的盲复原算法大多依据自然图像的假设先验知识来建立能量方程,然而先验知识的匮乏或不准确往往导致所复原的图像出现噪声或者伪影现象。针对上述问题,本文基于贝叶斯框架,建立了盲复原算法的一般能量方程,并依据自然图像的稀疏先验和暗通道先验构建了两种目标函数,这两种先验结合起来能够约束复原的图像更趋向于清晰图像。本文的主要工作成果如下:1.针对稀疏先验正则项不准确的问题,构建了与0L范数更为接近的近似函数,并采用半二次分裂方法求取了模糊核与清晰图像的解析解;2.提出了一种基于暗通道先验与稀疏先验相结合的目标函数来解决单独的稀疏先验约束性较低的问题,使得复原图像更接近真值图像;3.针对普通算法估计的模糊核容易出现噪声的现象,提出了一种分块面积约束的方法来有效的抑制模糊核中的噪声。最后将本文所提算法在Levin和Koehler数据集以及一些自然模糊图像上进行了测试,并采用KSIM评估方法验证了本文算法对模糊核估计的准确性与收敛性,然后基于PSNR和SSIM两种评估方法与现下流行算法相比,证明了所提算法的复原结果不仅在视觉上而且在评估标准上更接近于真值图像,同时本文算法还节省了运行的时间。