随着智能手机等数码产品的迅速普及，图像已成为人们传递信息的重要媒介。然而在现实生活中要捕获到清晰的图像是一个非常困难的任务，这是因为相机的抖动或者场景中物体的运动使得拍摄到的图像中会出现模糊现象，这严重影响了图像信息的传递。因此，图像去模糊已经成为了一个迫切的需求，也是图像处理领域中一个重要的研究方向。　　特别地，在低光条件下（如夜景）拍摄到模糊图像的情况也非常普遍。其原因在于在低光条件下，成像所需的曝光时间较长，手持设备与场景之间不可避免的相对运动将导致图像的模糊。不仅如此，场景中可能存在的明亮光源将导致获取到的图像中含有饱和点或者饱和区域。对这一类模糊图像的复原存在一些难点，饱和点或者饱和区域处并不能满足现有去模糊方法中所假设的卷积模型，同时这类图像中非自然的暗色调和较少的可信边缘也使得依赖于可信边缘的去模糊方法失效，很难得到令人满意的结果。　　本文首先对传统的指导滤波方法进行了深入的研究。指导滤波的最大优点在于，滤波的结果依赖于另一幅图像的引导作用。受此启发，针对低光条件下获取的模糊图像去模糊问题，本文提出了一种基于引导图像的快速去模糊方法。尽管闪光图像（flash image）并不能记录环境光，但其清晰结构对于同一场景下的模糊图像有一定的补偿意义，因此本文借助非自然的闪光图的结构来引导图像的复原。在模型优化过程中，本文应用迭代重加权最小二乘方法（IRLS, Iterative Re-weighted Least Squares）来迭代求解。与大多数现有去模糊方法不同，本文方法不需要复杂的模糊核估计过程，有效的避免了现有的去模糊方法中所采用的交替迭代求解策略，大大简化了计算量，节省了算法所需的时间。　　实验表明，本文提出的基于引导图像的快速图像去模糊方法，对低光条件下的模糊图像能够得到较为清晰的结果，并且在饱和点或者饱和区域处，复原出的结果仍然清晰。此外，与现有的方法相比，本文算法所需时间较短，这也说明了本文算法的高效性。