随着便携式移动设备的普及,越来越多的人们通过使用这些设备拍摄视频来记录日常生活。然而,在拍摄的过程中,当所拍摄的物体处于高速运动的状态或者拍摄设备不可避免地出现了抖动,这就会导致视频出现模糊,影响人们对视频内容的理解。因此,为了恢复降质视频中丢失的信息,本文提出了两种基于卷积神经网络的视频去模糊方法,其主要研究工作如下:（1）清晰样本特征引导的视频去模糊方法。提出了一种利用清晰样本特征来解决视频去模糊问题的方法。该方法以编解码结构的残差网络为重建网络,并将清晰样本的特征嵌入到重建网络中,利用该特征引导整个网络来挖掘有利于细节恢复的有用特征。此外,该方法使用基于卷积神经网络的运动估计方法实现了相邻帧之间信息的充分利用。实验结果表明,该方法利用清晰样本特征可以为视频复原提供更多的细节信息,并在多个数据集上取得了较好的效果。（2）边缘特征引导的视频去模糊方法。为了更好地恢复模糊视频帧中扭曲的结构,本文提出了边缘特征引导的视频去模糊方法。设计了一种边缘特征尺度变换模块巧妙地将边缘特征引入到视频重建的过程之中。另外,本文提出了一种预处理模块,解决了之前方法在运动模糊较大的情况下导致运动估计不够准确的问题。一系列实验结果表明该方法能够有效解决模糊视频帧中在显著边缘区域的复原问题。