图像盲去模糊问题就是在模糊核不清楚的前提下，由观察到的模糊图像复原出原始的清晰图像，这显然是一个病态问题。近年来，一些算法通过将图像和模糊核的各种先验信息融入到图像去模糊的模型中来约束解，取得了很好的去模糊效果。但是，这些算法并不能被直接地用于文本图像去模糊，其原因在于文本图像和自然图像服从的统计分布具有一定的差异以及文本图像自身具有的一些特性，所以对文本图像去模糊算法的研究是图像复原的一大研究亮点。　　Pan等人在假设清晰文本图像背景区域和文本区域的灰度值服从均匀分布的前提下，通过对清晰的文本图像和模糊后的文本图像的灰度分布和梯度分布的对比研究，提出一个l0正则项的数学模型。但是，该问题是一个NP-难问题，不易于求解。本文在对大量的图像去模糊算法研究的基础上，提出一个lp(0＜p＜1)范数稀疏先验的图像去模糊正则化模型，并设计相应的算法求解。　　本文第一章绪论部分概括性的叙述了文本图像去模糊问题的研究背景和国内外研究现状、解lp范数非凸稀疏优化问题的方法、本文研究工作以及本文结构;第二章着重介绍论文研究过程中使用到的一些重要定义;第三章是本文的主体结构，通过引进辅助变量，利用交替方向法将复杂的原问题分裂为若干低维子问题交替求解。对子问题又分别采用傅里叶变换的方法、广义软阈值算法以及共轭梯度法求解;第四章数值实验部分用本文算法分别处理合成的模糊文本图像以及非合成的模糊文本图像，并与文献[21]的结果在运行时间、峰值信噪比、结构相似性和偏差的平方根四个方面进行比较。实验结果表明，本文算法在处理合成的文本图像时能获得相对较高的峰值信噪比，并且在处理非合成的文本图像时也能达到不错的去模糊效果。