模糊通常是因为成像时发生相对运动或对焦不准确造成的。模糊会使图像对比度降低,细节丢失,影响图像的观感,给后续机器视觉系统的处理带来困难。去模糊是一种从模糊图像中复原出清晰场景的技术手段,在生产、生活中有着许多应用。图像去模糊在最近十年发展很快,最新研究成果表明,结构边缘对模糊核估计有重要意义,在此之后涌现了一批优秀的算法。但是这类模糊核估计算法在存在如下不足:1)不能有效地获取结构边缘,尤其当图像中有高对比度的纹理边缘存在时,问题更为突出;2)在估计模糊核时,其目标函数用仅包含结构边缘的中间图像与模糊核卷积,它只对应了原始模糊图像的一部分,将之与原始模糊图像对应导致较大误差。因此,本文针对以上两个问题展开研究。具体而言:(1)提出模糊结构图的估计算法,利用中间图像上准确的结构边缘和修正后的模糊核从模糊图像中分离出模糊结构,解决了主流方法在利用结构边缘估计模糊核时目标函数不平衡的问题;设计了用L0范数约束模糊核幅值域和梯度域的正则项,抑制了传统方法估计模糊核时产生噪声的问题。(2)提出尺度引导L0平滑算法,解决了高对比度纹理边缘对模糊核估计带来的影响。基于尺度的图像缩放操作,移除图像中高对比度的纹理从而获得代表结构边缘置信度的引导图;利用该引导图改进L0平滑算法,确保获得有利于模糊核估计的结构边缘。