图像去模糊是图像复原的重要研究方向,图像的模糊会给识别和分析图像信息的内容带来很大的不便。为了摆脱图像模糊,许多学者做出了很多贡献,为了克服去模糊问题本身的病态性,将最小二乘法模型与不同的正则项结合起来进而改善图像复原效果的正则化方法长期以来得到了众多图像研究者的关注,其中全变差(Total Variant,TV)正则化方法是该类方法的代表,全变差正则项可以控制复原图像的光滑程度,能较好地保存图像的边缘细节信息,但是该方法在对模糊图像进行处理后无法对细节信息进行保持,出现视觉不连接性等问题。为了提高去模糊的效果,本文利用非线性扩散项和曲率项替换TV正则化模型中的规则项,并将二者结合起来,分别利用非线性扩散的特点和曲率项对于细节信息的突显的特点对图像信息进行修复,并从单通道扩展到多通道对彩色模糊图像进行非盲去模糊,为了提高模型的运算效率,采用快速迭代算法--Split-Bregman算法来求解图像非盲去模糊模型。通过对真实图像的主观视觉效果和客观实验数值分析表明,针对单幅彩色模糊图像,文中的模型对不同的模糊噪声具有鲁棒性,并且提高了图像复原速度,有效地避免了“振铃效应”、“阶梯效应”,能够获得更好的复原图像。