图像运动模糊是由于在曝光过程中场景与相机之间发生了相对位移而产生的一种客观的物理现象。目前,大多数对运动模糊图像研究的文献都集中在运动去模糊上。但运动模糊图像通常包含有清晰图像所没有的特殊物理信息,如物体的运动方向、速度甚至加速度等。通过分析清晰图像和运动模糊图像在频域上的不同统计特性,本文提出了一种基于局部窗口频谱对比的局部运动模糊图像分割方法。该方法采用局部化思想,综合考虑了局部窗口内像素的空域关系和频域关系；然后通过窗口各高频系数与低频系数的比值来判断该局部窗口隶属清晰还是模糊。实验结果表明,该方法可以有效地检测出单幅图像的局部运动模糊区域,为运动目标识别和去模糊等进一步研究提供信息。在全局运动模糊图像的去模糊研究中,已有的算法大部分都存在计算量庞大、鲁棒性弱、振铃现象难以抑制等问题。本文设计了一种基于盲反卷积的单幅图像运动去模糊方法。盲反卷积包括模糊核估计和非盲反卷积两部分。算法的设计思路如下：(1)算法首先采用双边滤波器抑制噪声和冲击滤波器增强图像的边缘信息,通过图像的边缘信息来估计点扩散函数；并采用噪声模型的二阶导数约束以提高算法的稳定性,然后使用循环迭代的办法来恢复图像的边缘和模糊核。(2)当最终的模糊核恢复后,根据清晰自然图像梯度长尾分布特性,提出了一种基于超拉普拉斯模型的图像非盲反卷积算法来最终复原图像。本文算法使用分步交替迭代最小化办法优化能量方程,并在优化过程中采用了查询表法快速求解图像反卷积。为了降低算法的计算量,使用快速傅里叶替代卷积运算。实验结果表明,本文设计的图像盲复原算法可以较快地、有效地提高单幅运动模糊图像的纹理清晰度和图像质量。非盲反卷积复原算法可以在数秒内对中等大小图像输出处理结果；算法在抑制噪声和振铃现象方而的能力优于传统的维纳滤波法和Richardson-Lucy复原法。