盲图像复原是在点扩散函数未知的情况下的解卷积过程,具有严重的不适定性。正则化技术则能够有效地将图像复原的不适定性问题转化为适定性问题。本文在传统的全变差正则化盲图像复原方法的基础上,提出了一种非凸性高阶全变差正则化盲图像复原方法。该方法采用能够产生分段线性解的高阶全变差,同时引入图像的稀疏先验信息来构造代价函数;最后设计了一种权值迭代策略的优化算法来对该代价函数进行近似求解,从而达到图像复原的效果。所开展的主要工作如下:①调研了国内外正则化盲图像复原技术研究的现状,概括了盲图像复原方法的基本理论背景及其难点问题;研究了盲图像复原的不适定性以及正则化的处理方法。②深入地研究了传统的全变差盲图像复原技术,分析总结了全变差范数能够有效保护边缘的优点以及产生分片常数效应的缺点,进一步研究了采用高阶全变差来克服这种缺点的方法;研究了一种能够快速求解使用非凸非光滑性质正则项作为约束的图像复原方法,并对其能够有效地增强图像边缘保护的特性进行了分析总结。③采用了高阶全变差代替传统全变差构造盲图像复原代价函数模型,在深入研究关于自然图像统计特性的稀疏先验知识的基础上,将这种能够增强图像的边缘复原效果的先验信息引入至该模型中,从而提出了连续型的非凸性高阶全变差盲复原代价函数模型,接着将其离散化以便于数值计算和求解。④在全变差正则化盲复原方法的基础上,本文设计了一种包括在外部进行权值迭代和在内部进行分裂Bregman迭代的重加权最小化双重迭代近似求解策略算法对非凸性高阶全变差正则化代价函数进行优化求解;在算法的内部迭代中,采用了对图像的非负性约束,对点扩散函数的归一化以及动态阈值约束,用于提高算法复原的精准性;最后对提出的迭代算法的相关收敛性质进行了理论上的分析。⑤将所提出的非凸性高阶全变差正则化盲复原方法应用于多种模糊类型的模拟退化图像和真实退化图像复原实验中,并与当前主流的模糊图像复原方法进行效果比较,从主观视觉以及客观指标评价上验证了其优越性能。