图像在获取、成像、处理、存储等过程中,容易受到外界因素的干扰而产生降质,退化为模糊图像。图像复原技术可以一定程度上将退化后的图像清晰化。本文从实际的项目出发,将项目中带有离焦模糊的人脸图像作为研究对象,运用图像盲复原技术来处理图像,希望提高图像质量和人脸识别的效果。由于现有的方法没有针对性地复原离焦人脸的特征,且大多是针对全局模糊图像进行处理的,本文为了更好地解决这个课题,将研究内容分为两个部分:一是提出适用于理想的离焦人脸图像的复原算法,实现图像质量以及人脸识别效果的提高;二是设计图像的预处理算法将实际图像中需要做去离焦模糊的区域分割出来,再用复原算法对其进行处理。本文的主要工作如下:在模糊核估计阶段,本文针对离焦人脸图像选取了图像的梯度稀疏约束和暗通道约束,并利用这两项约束构建了基于先验约束的人脸离焦模糊图像盲复原模型。并对模糊核估计算法和图像复原环节进行了优化:总结了离焦模糊核的四个性质,并在模糊核估计环节添加了优化处理,以保证估计得到的模糊核是满足其本身的固有特性的。在目标图像复原阶段,本文用具有丰富边缘细节的拉普拉斯先验的方法得出的结果与稀疏约束复原得到的图像相结合,最终得到了边缘明显,细节丰富,伪影又得到抑制的复原图像。在理想的离焦模糊人脸图像复原的实验环节,本文构建了具有离焦模糊的人脸数据集CSISData,先测试了这些图像在理想模糊情况下经本文算法复原后的效果,并与分别来自Pan和Whyte的具有代表性的方法做了对比分析。然后在人脸识别的对比试验中,使用Google提出的经典人脸识别框架FaceNet,证明了本文算法在提高复原图像的质量方面和在人脸识别效果的优化方面都有明显的效果,且优于另外两种方法。在项目中实际输入的带离焦模糊的人脸图像复原环节,本文设计了一套针对此类图像的预处理算法,将输入的带清晰后景的模糊人脸图像处理为带渐变后景的模糊人脸图像,再用本文提出的复原算法进行复原工作,最终输出前后景拼接的图像。实验证明算法在实际图像上也能稳定运行,并对人脸识别在置信度指标上有一定程度上的改善。