图像去模糊一直以来都是一个艰难且极具吸引力的问题，具有巨大的研究价值与社会意义。然而由于实际图像退化的情形复杂多样，譬如模糊核未知、存在噪声干扰等，使得图像去模糊的效果难以尽如人意。研究界提出了各种处理模型与算法，但一般来说都有一定的假设条件，适用性往往有限。本文提出了一个全新的图像去模糊处理方案，先将模糊图像识别为运动模糊与高斯模糊两大类，然后针对性地进行模糊核估计，最后利用去卷积算法复原图像。针对模糊类型本身的特点，被模糊的图像经过一些特别的处理后能得到与模糊类型有关的特征，特别是运动模糊。本文的模糊类型区分流程主要包括图像梯度功率谱的提取、Butterworth滤波、图像二值化等，最终采用Radon变换识别模糊类型。图像模糊核的参数估计是一个难点，尤其是退化图像中还存在噪声等干扰时，本文针对性地论述了模糊核估计方法，使用Radon变换估计运动模糊核参数，以及使用盲去卷积直接估计高斯模糊核。实验证明，本文的模糊类型区分与模糊核估计方案取得了不错的结果，具有一定的适用性与启发性。图像去模糊的常见算法有维纳滤波、Lucy-Richardson算法、约束最小二乘方滤波、盲去卷积等，本文采用一种基于超拉普拉斯先验的快速图像去卷积算法，它可以归于变分法，但是采用的超拉普拉斯先验模型更逼近自然图像的梯度分布，使得复原结果更准确，同时计算效率高，性能要优于传统算法。将这一算法结合于本文的图像去模糊整体流程中，能达到高效而理想的复原效果。本文通过实验表明，将本文的去模糊整体流程应用于模糊图像的修复中，可以获得质量很高的复原效果，而且，整体流程的耗时也较低。本文进行的探索与研究对图像去模糊领域是具有实用性与建设性意义的。