去运动模糊算法是数字图像处理领域的一个研究热点。运动模糊是由曝光过程中景物与相机间的相对运动造成的。缩短曝光时间的方法尽管可以减少模糊，但同时又不可避免的引入了噪声。因此有必要研究去模糊的算法实现。为了去除图像中的模糊，我们首先需要估计图像是如何模糊的,也就是估计模糊核；再利用反卷积算法恢复清晰图像。由于有许多种清晰图像和模糊核的组合可以解释模糊图像的成因，因而如何得到最接近真实值的模糊核就成为一个难题。此外，去模糊算法涉及到复杂的优化计算，如何快速实现也是个研究难点。本文提出了解决上述两个问题的方案。首先，本文分析了目前利用模糊图像预测“清晰图像”来估计模糊核的算法，发现了在预测环节所用的基于极值的多尺度分层算法(EMD)存在缺陷。本文进一步提出了改进的EMD算法来弥补EMD算法的局限性，并给出了实验结果证明了新算法的优越性。然后，本文提出了利用图形运算单元来实现去模糊算法加速的方案。本文介绍了NVIDIA公司的图形处理单元GPU和统一计算设备架构CUDA,并详细描述了去模糊算法GPU加速的具体细节。实验结果显示GPU能够比CPU更快的实现盲去模糊算法。