图像复原是数字图像处理领域中一个重要的分支,是指根据对图像退化的成因知识建立退化模型,从客观的角度对退化图像进行处理,尽可能的恢复图像。计算成像就是根据光学成像的过程,利用数学模型精确描述,再根据进一步分析某些系统衰变和误差模型,进而通过计算方法重构图像。图像退化就是受硬件系统或者外部环境的影响导致图像质量的下降,从而丢失了关于原有图像中包含的某些重要信息,满足不了人们对图像应用的需求,有必要对图像进行复原,恢复出接近真实的图像,帮助人们获取其中丢失的重要信息,同时也可以帮助上层的图像分析和理解。图像复原在天文领域,医学领域,军事领域等方面都有着重要的意义。然而在实际应用中,造成图像退化的点扩散函数往往是无法精确得知的,因此对图像盲复原也称作盲解卷积的方法技术研究,显得更加重要。本文主要针对先验知识未知或者部分已知的模糊图像的图像盲复原问题,从求解出点扩散函数和恢复出原始清晰图像为目标,研究了常见的噪声模型,点扩散函数模型,图像质量评价以及图像图复原的基本理论和常用技术,从传统的频域滤波方法到后来的正则化技术,偏微分方程,以及最近的神经网络技术,研究了常见的图像复原模型的求解算法,主对偶算法,迭代算法,交替方向最小化算法等,掌握了退化模型的意义及其求解算法的核心。本文从点扩散函数的估计和正则化技术两个方面进行了改进,提出了一种基于同一场景多幅模糊图像的点扩散函数求解和一种基于Retinex算子约束的图像复原方法。主要创新点如下:(1)研究了图像盲复原求解点扩散函数的问题,针对一幅模糊图像提供的信息不够充分,提出了一种基于同一场景多幅模糊图像的点扩散函数估计。首先预估计点扩散函数,再利用两幅图像共同拥有原始清晰图像的信息,来进行点扩散函数的约束,在交叉正则化的基础上,加上归一化非负以及其L~p范数最小约束,更好的求解点扩散函数。实验证明,改进的模型得到的点扩散函数有更好的效果,更加接近原始图像的PSF,从而为复原图像提供很好的前提条件。(2)本文在全变分的基础上,利用图像三通道之间的内在相关性,使其相互约束,让清晰通道给模糊通道提供更多的先验知识,提出了一种基于Retinex算子的先验正则化项模型,最后使用交替方向乘子迭代算法求解,实验结果表明,对该类特征图像,本文提出的算法能有效的进行图像复原。