利用手持成像设备拍摄照片时,由于拍摄装置和被摄对象之间的相对运动,使得拍摄的照片往往出现模糊。为了从退化的模糊图像中得到一个可靠且令人满意的去模糊结果,需要对真实图像和模糊核建模合理的统计先验。近年来,基于统计先验的盲解卷积方法取得了不错的效果。许多经典的算法,如暗通道先验、极值通道先验、局部最大梯度先验,由于涉及一些非线性算子都非常耗时。本论文主要围绕简单有效的图像先验和快速的去模糊模型这两个关键问题展开,并在此基础上设计了几个快速有效的盲图像去模糊算法。论文的主要内容和创新点概括如下:1)提出了一种基于局部最大差值先验的盲图像去模糊方法。发现经运动模糊后,局部图像块中一个像素与其周围8个像素的强度差之和的局部最大值变小。这种现象是运动模糊过程的固有特征,并对此进行了理论论证。通过引入线性算子来计算局部最大差值,并对局部最大差值涉及项采用1L范数约束,提出了一种利用半二次分裂策略的优化方案。实验结果表明,该方法具有较强的鲁棒性,无论是在人工合成图像还是在真实场景上都优于经典的盲图像去模糊方法。此外,该算法不需要任何启发式的边缘选择步骤,也不要求输入图像中含有足够多的极值像素,因此更具通用性。2)提出了一种基于1L正则化二阶梯度先验的盲图像去模糊方法。这项工作的灵感来自于二阶梯度元素的绝对值经运动模糊后会减小。这种变化是运动模糊过程的一个基本特征,用数学方法从理论上证明了这一点。通过对二阶梯度项施加1L范数约束,并将其纳入传统的去模糊框架中,提出了一种有效的优化方案。采用半二次分裂技术处理非凸最小化问题。实验结果表明,该算法在基准数据集和真实场景中都优于常见的基于先验的盲去模糊算法。此外,该算法计算简单,因为它不需要任何启发式的边缘选择步骤也不涉及太多的非线性算子。3)提出了一种基于显著性映射和梯度倒频谱的快速盲图像去模糊算法。该算法研究的灵感来源于以下事实:清晰图像显著性映射的极值相较于模糊图像更加稀疏。通过对涉及显著性映射项加以0L范数约束,并将其纳入传统的去模糊优化框架中,提出了一种新的优化方案。利用梯度倒谱来调整各尺度上的迭代次数和确定初始模糊核的大小。实验结果表明,无论是在基准数据集还是在真实模糊场景中该算法都优于目前主流的盲图像去模糊算法。此外,该算法避免了过度迭代并且不涉及任何非线性算子,因此大大缩短了运行时间。4)提出了一种基于简化极值信道先验和梯度倒频谱的快速盲图像去模糊算法。该算法的灵感来自于一个事实:清晰图像的简化亮通道比模糊图像的简化亮通道具有更少的非1元素。在此基础上,提出了一种基于简化亮通道和简化暗通道的简化极值通道先验。通过对涉及简化极值信道先验项施加0L范数约束,并将其纳入传统的去模糊框架中,进而提出了一种有效的优化方案。利用梯度倒谱初始化模糊核的大小并确定各个尺度上的迭代次数。实验结果表明,无论是在基准数据集还是真实的模糊场景中,该算法在计算效率和去模糊效果方面都优于常见的基于局部图像块的盲去模糊算法。5)提出了一种基于图像块的二阶梯度先验和核相似度约束的盲图像去模糊算法。该先验利用非重叠的局部图像块计算图像的局部最大二阶梯度值。发现图像块的二阶梯度值经运动模糊后会减小。通过对块的二阶梯度先验采取1L范数约束,并将其应用到传统的去模糊框架,提出了一种有效的去模糊方案。此外,利用核相似度约束来调整每个尺度上的迭代次数,以降低计算成本。实验结果表明,无论是在基准数据集还是真实场景上,该算法在计算效率和去模糊效果方面都优于经典的基于先验的盲去模糊算法。