图像是一种重要的信息载体,无论日常生活、工业生产还是科学研究都依赖于清晰图像。但图像采集过程中多种退化源的存在导致图像模糊,不能为人所用。图像复原技术逆退化过程,复原模糊图像得到清晰图像,能够帮助人们恢复丢失的重要信息。本文研究了图像复原的基础理论,改进了Kotera等人的基于变分贝叶斯推理的图像盲反卷积算法。基于自然图像统计和贝叶斯建模,对观测模糊图像、潜在的清晰图像和模糊核应用自动相关确定先验模型。自动相关确定先验模型本质上是学生t-分布,可以表示为有限数量的具有共同均值的高斯分布的叠加,其精度(方差的倒数)服从伽马分布。该模型能够与变分贝叶斯推理很好的结合。基于变分贝叶斯推理和自动相关确定先验模型,本文提出了求解反卷积问题的图像盲复原算法。图像盲反卷积算法包括两个阶段,模糊核估计和非盲反卷积。在改进的图像盲反卷积算法中,考虑到模糊核的固有结构,将自动相关确定先验模型定义在模糊核的梯度上。在求解反卷积问题时,变分贝叶斯推理用分解形式的分布来近似后验概率,并通过最小化度量近似分布和后验分布的差异的Kullback-Leibler散度来得到对清晰图像和模糊核的正确估计。基于变分贝叶斯推理的算法涉及到多个变量和参数,如图像及其先验模型精度等,可以通过迭代方法交替计算更新。此外,在模糊核估计阶段,模糊核应当满足非负性和能量守恒。非盲反卷积算法同样基于变分贝叶斯推理,对观测模糊图像和清晰图像采用自动相关确定先验模型,先前阶段估计的模糊核在本阶段中作为已知量参与到清晰图像的估计中。基于本文提出的算法,还简单介绍了复原过程中存在的问题,如振铃伪影等,并给出了详细的解决方案。本文最后用实验评估基于变分贝叶斯推理的图像盲反卷积算法的性能。实验对合成模糊图像和真实模糊图像进行模糊核估计和图像复原。合成图像实验证明本文算法估计的模糊核质量较Kotera算法估计的稍微高些,并说明了本文算法对非高斯噪声的强健性。真实图像实验同样表明,本文算法估计的模糊核较Kotera算法质量高,能有效抑制振铃伪影,并显示本文算法对运动模糊图像有较好的复原效果。