针对运动造成的模糊图像的盲复原问题,本文对运动模糊图像形成的原理、经典复原方法、贝叶斯理论、模糊核的估计等进行了深入研究,采用超拉普拉斯函数更好地拟合了图像自然信息的概率分布,同时,提出了基于混合信息的运动图像盲复原框架。通过实验验证算法可以保留更多的细节信息及良好的抑制噪声。论文的主要工作包括以下内容：(1)对图像盲复原算法的研究意义和目的进行详细介绍,对运动模糊盲复原技术的研究现状和发展进行了概述,描述了本文的主要研究内容和整体框架。(2)介绍图像退化模型、模糊图像的数据模型及基础知识,提出图像盲复原问题的不适定性并提供正则化解决思路,通过研究经典的图像复原算法为以下章节的算法实现和分析奠定基础,最后介绍本文使用的评价标准。(3)通过深入研究贝叶斯理论,研究基于贝叶斯模型的运动图像盲复原算法,提出使用超拉普拉斯函数拟合图像自然信息的概率分布,优化Fergus所提出的算法,并通过实验验证算法的有效性。(4)提出基于混合信息的盲复原算法框架。算法通过边缘提取,估计点扩散函数,利用图像边缘和纹理信息构建图像复原模型恢复模糊图像,算法引入分裂Bregman迭代算法求解复原图像；盲复原过程中利用拉普拉斯金字塔进行图像的多尺度恢复,避免由于模糊核过大所造成的干扰。由于恢复过程中保留了大量的边缘及纹理信息,通过实验验证模糊图像盲复原效果提升明显。