随着数字相机和智能手机等成像器件的普遍应用,高质量低成本的数字图像成为信息交流中重要的载体,被广泛应用到安防监控、医疗辅助、犯罪追踪等多个领域。然而,在图像拍摄过程中,所拍摄的物体与成像设备之间难免出现相对运动、景深变化等情况,容易导致图像运动模糊。由于图像的质量对后续图像数据的分析与理解至关重要,能够从运动模糊图像中恢复出对应清晰图像的运动模糊图像复原问题受到了广泛的研究关注。目前大多数的运动模糊图像复原方法存在图像先验刻画不足、显著边缘提取不准确以及网络结构设计可解释性差等问题。因此,如何根据不同场景进行图像先验知识刻画与网络模型设计,提出数学模型与数据驱动的高效像复原方法,是亟需深入研究的重要课题,具有广泛的应用价值。针对上述问题,本文研究数学模型与数据驱动的运动模糊图像复原方法,从先验知识刻画、显著边缘提取、语义信息扩展、模型指导等角度出发,提出了高效的运动模糊图像复原方法,解决了低分辨率下的模糊图像复原,设计了具有可解释性的模糊图像复原网络。其主要研究工作概括如下:1.针对运动模糊图像复原算法中图像先验知识刻画不足的问题,研究了基于先验知识刻画的运动模糊图像复原框架。提出了一种基于弹性网络先验（Elastic-net prior）与显著边缘结构约束的模糊图像复原方法,将弹性网络先验理论运用到运动模糊核估计方法,利用图像显著边缘结构提高模糊核估计的准确性。进而,考虑显著噪声对图像复原的影响,给出了一种分数阶暗通道先验,获得有效的自然图像约束,利用梯度先验对图像模糊核进行准确估计,实现运动模糊图像的复原,提高复原结果的可视化效果。2.考虑显著边缘提取对模糊核估计准确性的影响,提出了一种基于编码解码器边缘结构提取的运动模糊图像复原算法。利用训练学习方法构建显著边缘结构提取的编码解码器网络,提取显著边缘结构,考虑多种正则化约束项,实现基于显著边缘结构提取的运动模糊图像复原,避免了边缘提取的复杂阈值选择问题,降低了算法的运算复杂度。3.针对低分辨率模糊图像边缘信息适用性不强的问题,提出了一种基于语义信息的低分辨率模糊图像复原方法。在数据驱动方法的基础上,研究了低分辨率模糊图像的语义信息提取方法,利用语义信息调制深度神经网络的特征信息,实现对低分辨率模糊人脸图像的复原;使得获得高分辨率清晰图像的同时,保证复原前后人脸图像身份信息的一致性。4.针对黑盒子原则的网络设计的可解释性差问题,提出了基于模型指导的运动模糊图像复原网络的设计方法,并将其应用到运动模糊人脸图像复原。研究面向运动模糊图像复原的数学模型驱动方法,利用卷积神经网络通用逼近理论,研究神经网络结构和传统数学模型间的等效表示方法,构建出模型指导的运动模糊图像复原网络。实验结果表明,本文提出的基于模型指导的运动模糊人脸图像复原网络,能够避免潜在的模型参数冗余,提高模型计算效率,对运动模糊人脸图像具有很好的复原效果。