单幅图像去模糊是图像处理与计算机视觉领域的重要研究内容,运动车辆模糊图像的复原在交通视频监控、交通违法信息查证、车辆信息识别等方面有较广泛的需求和应用。现有图像去模糊方法分为非盲去模糊和盲去模糊两大类,其中,盲去模糊需要同时求解模糊核和清晰图像,属于严重不适定问题。目前,图像盲去模糊的经典算法是正则化方法,它通过构造正则项来实现模糊核与清晰图像的迭代求解。但正则化模型中的参数取值不当易导致去模糊效果差、计算结果出现振铃效应等问题,其中模糊核参数的选取是影响正则化计算结果的主要因素。本文对正则化参数的取值问题进行研究,首先利用图像微分自相关确定模糊核初始尺寸,再结合L-曲线法和自适应参数计算方法求解模糊核的正则化参数并进行优化,最后将计算得到的参数代入正则化模型中对单幅车辆模糊图像进行盲去模糊计算。本文主要工作如下:(1)对运动模糊尺度与正则化模型中模糊核尺寸之间的关系进行分析,通过傅里叶变换和Radon变换计算运动模糊角度,利用图像微分自相关方法计算运动模糊尺度,将其作为模糊核的初始尺寸引入正则化模型中,提高初始参数选择的准确性。(2)对正则化参数选取方法进行研究,重点对经典L-曲线法进行分析,针对L-曲线法存在数值计算困难和抗噪性能差的不足,选择基于图像结构纹理分解的自适应参数计算方法求解模糊核的正则化参数,再通过迭代优化计算得到去模糊效果较好的复原图像。(3)通过网络收集和实际拍摄等方式构建数据集,对本文研究的参数选取方法进行有效性验证,并利用信噪比和F-范数作为评价指标进行分析。实验结果表明,本文方法去模糊效率较高,不仅能对光照条件好的运动模糊图像进行去模糊,而且对一定照明度条件下的其它模糊图像如散焦模糊、高斯模糊、多种模糊混合以及大尺度模糊的图像等,都能够进行有效的去模糊。