图像已经是当今社会人们获取和存储信息的重要手段之一。随着科技的飞速发展,图像获取设备变得越来越普遍,已经不仅仅限于医用、军事、生产等专业科学领域,更多的成为人们日常生活中的使用工具。但是由于环境因素、人为因素等不同的原因使图像在获取的过程中产生了质量退化,对于那些不可再次获取的图像信息,图像模糊成为了一个非常严重的问题。运动模糊是图像质量退化的一种,产生的主要原因是由于相机与目标之间产生了相对位移。根据模糊核是否已知,去运动模糊算法分盲去运动模糊与非盲去运动模糊。其中盲去运动模糊算法更加贴近现实,即仅使用一幅模糊图像来估计模糊核与清晰图像。但是此类算法的问题也比较多,特别是模糊核的估计问题,模糊核估计的准确与否直接关系着清晰图像质量。近年来,基于最大后验概率的盲去运动模糊算法越来越受到研究人员的关注。针对以往算法中模糊核估计不精确、鲁棒性差以及计算速度慢等问题,本文提出一种快速而又鲁棒的模糊核估计算法。本文首先使用基于L0范数的图像平滑算法来提取图像的显著性结构,并对该算法进行改进,使其能够更好地适用于图像去运动模糊。模糊图像结构提取是对原清晰图像边缘的一种预测,根据前人的研究与分析,通过预测边缘能够提高模糊核估计的准确性与鲁棒性。在提取出图像的结构信息后,本文使用一种基于L0范数与L2范数相结合的新型算法来估计模糊核,该算法不仅可以保证模糊核的稀疏性特征,同时L2范数的使用保证了模糊核的连通性,在以往模糊核估计算法中常常会忽略模糊核的连通性问题,导致结果图像出现振铃现象。由于L0范数与L2范数都能够使用共轭梯度法进行求解,因此本文的模糊核估计算法计算速度比较快。对于计算出来的模糊核,本文使用一种基于连通性的算法来抑制模糊核中的高频噪声。另外,由于模糊图像中饱和区域对于图像的恢复有着不利的影响,本文提出一种基于HSV空间的饱和区域检测方法,并通过对饱和区域的进行抑制保证了图像的正常恢复。实验结果表明,本文提出的算法不仅可以估计出质量良好的清晰图像,而且将图像的恢复时间缩短了50%以上,明显的提高了恢复速度。