随着智能手机、数码相机等移动成像设备的日益普及,人们越来越多地通过图像来记录并传递信息,获取满足需求的高质量图像一直是人们关注的重要问题。然而在实际成像过程中有多种因素均会导致图像模糊,如相机曝光中被拍摄物体与相机传感器的相对运动、相机失焦、景深变化等。模糊的图像损失了原有的大量内容,影响人们对图像所传达信息的理解。因此,从模糊图像中恢复出清晰图像具有重要的研究价值,同时也是数字图像处理及计算机视觉领域中的难点。模糊图像通常被建模为清晰图像与模糊核的卷积,并存在噪声污染。若模糊核已知,图像去模糊被称为非盲的,反之则为盲图像去模糊。现有的盲图像去模糊工作通常包含两个步骤:即模糊核估计和清晰图像恢复,其中模糊核估计是决定图像去模糊方法成败的主要因素。本文面向盲图像去模糊中的模糊核估计问题,利用非线性先验信息以及显著边缘策略,提出有效的模糊核估计模型及相应的优化算法,并对模型的性能进行全面的分析。论文的主要研究成果和创新点总结如下:1)提出了一种基于非线性通道先验的图像去模糊模型。当清晰图像中没有足够暗像素和亮像素的情况下,暗通道与极端通道先验均对模糊核估计没有帮助。针对这一问题,定义非线性通道为暗通道与亮通道的比率,并施加1l范数,使得去模糊模型在清晰图像不包含暗亮像素时也能倾向于清晰图像。该方法提出了结合近似策略、半二次分裂方法以及快速迭代收缩阈值算法的优化方案。该方法在合成数据集以及真实模糊图像上的表现相较于传统方法更加鲁棒,并取得了理想的结果。2)提出了一种基于高斯曲率正则化与图像梯度的l0范数的图像去模糊模型。高斯曲率是曲面固有的几何特征,与其可展性有关。基于高斯曲率的变分模型多用于图像去噪,并取得了理想的效果。但目前尚未发现将高斯曲率用于图像去模糊的工作,有鉴于此,通过将组合正则项用于约束清晰图像,去除了中间潜在图像的噪声及纹理细节,并保留其显著边缘,然后利用显著边缘引导模糊核的准确估计。该方法无需启发式的边缘选择步骤,在自然图像数据集和真实模糊图像上均取得了满意的结果。3)提出了一种结合显式与隐式显著边缘的图像去模糊策略。考虑到中间潜在图像的显著边缘有利于模糊核的估计,通过使用相互引导的图像滤波实现显式边缘选择,同时采用平均曲率正则化隐式去除不利结构。实验结果表明,该方法在合成数据集以及真实模糊图像上的表现均优于经典的图像去模糊方法。4)提出了一种灵活的稀疏图像去模糊模型。基于自然清晰图像的梯度服从重尾分布、自然噪声具有空间随机性的特点,对于噪声项,约束其一阶和二阶导数,以更好地拟合真实世界的噪声。此外,对于图像梯度项,引入稀疏范数l,它是由l0和l p（0＜p≤1）范数组合而成的。提出了改进的广义软阈值方法用于求解l范数最小化的问题。实验结果表明,在合成的基准数据集上,该方法的计算效率和去模糊效果均优于相关的图像去模糊算法。