随着近几年移动拍摄设备的兴起,图像去模糊逐渐在计算机视觉领域引起广泛关注。图像模糊是由于众多原因造成的,例如相机抖动、物体运动,进而导致图像出现伪影,图像质量下降。已有的去模糊算法将模糊图像建模为清晰图像与模糊核卷积的结果,并根据是否已知模糊核分为盲图像去模糊算法和非盲图像去模糊算法。在实际生活中,模糊核通常是未知的,因而盲图像去模糊方法具有更高的研究背景与应用价值。盲图像去模糊算法中,从一幅模糊图像中估计清晰图像和模糊核是一个病态问题,需要构造先验对图像和模糊核加以约束。本文基于图像结构和像素分布统计,围绕图像高频信息构造图像感知先验,深入研究了均匀图像去模糊和非均匀图像去模糊。本文的贡献主要有以下四个方面:（1）研究了分割边缘质量与图像模糊间的联系,针对模糊图像边缘恢复困难的问题,提出了基于超像素分割的边缘感知先验,并通过信息熵将其嵌入去模糊算法框架中。由于信息熵具有凸性,本文采用了最速下降法结合半二次方分裂法（HQS）完成优化。该方法能够通过超像素分割提取边缘信息,描述图像分割边缘的锐利程度,并根据边缘的模糊程度自适应的完成去模糊。结果表明该方法在简单图像去模糊中优于其它算法。（2）基于人眼对模糊图像内容感知不同,提出了一种基于图像内容感知的去模糊方法。该方法通过构建权重矩阵对数据保真项进行加权,显式的对不同图像内容施加不同的关注度。同时,本文还提出了一个统计先验约束权重矩阵,并通过半二次方分裂法和共轭梯度法完成目标函数的优化。所提出的方法通过权重矩阵优先估计图像边缘和图像细节,更好地估计模糊核和清晰图像。结果表明该方法能够增强边缘的锐利程度,提高图像的恢复质量。（3）针对图像去模糊容易受到图像噪声影响的问题,提出了一种基于图像噪声感知的去模糊方法。该方法通过引入去噪器抑制去模糊过程中产生的噪声,防止因过度拟合噪声而影响图像结构估计。同时,通过交替方向乘子法（ADMM）将不可微的去噪器引入能量函数构造了即插即用先验并完成优化。所提出的方法能够在去模糊中自适应的识别图像噪声并降低其对模糊核估计的影响。结果表明该方法能够抑制迭代过程中产生的噪声,PSNR和SSIM优于其它最新算法。（4）针对图像非均匀模糊中模糊核难以估计的问题,提出了一种基于图像运动感知的去模糊方法。传统算法假设图像模糊具有一致性,而非均匀模糊不同区域的模糊程度和运动方向不同。本文提出了一个基于图像运动感知的双向多尺度去模糊网络,该网络根据模糊程度自适应增强对不同区域的去模糊关注度,提高恢复图像边缘的锐利程度,从而更好地完成非均匀图像去模糊。结果表明该方法恢复得到的去模糊图像优于其它最新深度学习算法。