图像去模糊作为图像复原领域的一个典型问题,具有重要的研究意义和实际价值。去模糊过程一般包含模糊核估计过程以及得到模糊核之后的清晰图像复原过程。现有的模糊核估计方法适应范围小,范化性差,在特殊场景下效果往往不尽如人意;而在估计得到模糊核之后,现有的非盲复原方法对离群点鲁棒性较差。基于这些缺点,本文做了如下改进:(1)本文提出了基于局部最大梯度的模糊核估计模型,旨在提高模糊核的精度。我们发现,在图像的模糊过程当中,局部块的梯度最大值会减小。我们从理论上阐述了这个现象产生的原因,并将这个先验信息作为正则项加入到模糊核的估计模型中。在模型优化的过程中,我们引入了一个线性算子来精确的代替计算局部梯度最大化的操作。通过一个高效的半二次方分裂优化框架,我们的算法能在实际上收敛到稳定值。(2)在估计得到模糊核之后,我们提出用一个基于最大基尼不纯度的非盲反卷积方法来恢复得到最终图像。模糊图像中往往存在一些离群点,这些离群点会导致最终恢复出的清晰图像质量显著降低。本文提出的基于最大基尼不纯度的方法能在复原过程中有效的分辨并剔除离群点,进而得到清晰图像。本文通过大量的实验分析来验证模型算法的有效性。本文提出的模型不仅在多个标杆数据集上显示出良好的效果,并且在一些特殊情况的自然图像,例如人脸、文字以及低光照模糊图片上,也展示出了优秀的性能。此外,我们还将本文提出的先验项与其他图像先验进行了对比分析,从实际出发分析模型的有效性。