本文从运动模糊图像复原的角度出发,对当前几种经典图像复原算法以及当前流行的神经网络模型进行了汇总和分析.通过对上述算法的基本原理进行分类叙述,以及对仿真结果的对比分析,详细阐明了现有算法的优点和不足,并展望了运动模糊图像复原方法未来的发展方向.运动模糊图像是由于摄像机与场景之间相对运动所造成的,运动模糊图像的复原是图像预处理过程的重要内容,具有重要的现实意义,一直是国内外学者研究的焦点.目前运动模糊图像复原的经典算法大致可以分为时域和频域处理两个方面,具有代表性的算法主要有逆滤波、维纳滤波、差分法、最大熵法、最小二乘法等等.这些算法在一定程度上实现了运动模糊图像的复原,从而使图像质量得到了一定程度的提高.然而,这些方法大都需要准确的相对运动距离或传递函数,因此在实际应用中受到了很大程度的限制.再加上图像恢复本身所具有的病态性等原因,难以从根本上解决运动模糊图像复原的主要问题.近年来神经网络理论的发展为运动模糊图像复原提供了新的思路,由于具有高度并行处理能力、自适应功能等,神经网络算法和传统算法相比具有很大的优越性,代表了未来的发展方向.