单幅图像的盲复原过程旨在从输入的模糊图像中估计出模糊核，并以此恢复出原清晰图像。这是典型的病态问题，为了改善其病态性往往引入图像和模糊核的先验知识充当正则项，通过对构成的损失函数进行迭代优化，最终收敛得到数值解。本文构建了一个基于最大后验估计的框架，分别采用近似L0和L1范数对待估清晰图像的梯度域和点扩散函数的稀疏性进行先验约束，后续的迭代过程中分别利用频域直接求解、分离Bregman方法以及Shrinkage收缩阈值操作符进行优化。针对清晰图像的稀疏约束，本文采用的表达形式与其他方法相比更为有效，既无需显性地在迭代过程中通过额外步骤提取出强梯度特征(例如冲击滤波器)，又能保证在较少的迭代次数中达到收敛。最终采用本方法与现有其他盲复原方法进行对比，通过实验结果验证了本文中采用的方法在图像恢复质量和迭代速度方面都有所改善。