曝光时间内的运动模糊能够造成令人厌烦的模糊图像从而毁掉很多的照片。运动模糊可以通过减少曝光时间来减弱,但是这样又会引来其他的问题比如会带来传感器的噪声。用三脚架或者其他专业的设备能够消除运动模糊,但是这些装备由于体积大摄影者通常习惯于传统的手携式的相机。为不产生不自然的色调用户可以不使用闪光效果。在本文的实验中,很多现实生活中的照片由于运动模糊被模糊了,因此一种去除图像中运动模糊的方法显得尤为重要。传统的盲反卷积方法通常在图像上假设频率域约束或是在曝光时间内过度的简化模糊路径上的参数。真正的运动模糊遵循一个复杂的路径并且先前的空间域能够更好的保持可视化的显著的图像特征。假设所有的图像模糊都能够被描述成一个卷积形式,同时没有显著视差,相机的图像面内旋转非常的小,而且曝光时间内景象之间不发生相对位移。运动模糊可以被模型化为一个模糊核卷积上图像的强度,其中模糊核用来描述相机在曝光时间里的运动,消除未知的运动模糊是一个盲图像反卷积问题,这在图像和信号处理学里有着很长的历史了。用最基本的公式化形式,这个问题可以被作如下的约束：我们所不知道的信息(原始的图像和模糊核)要多于我们可以测量到的信息(我们所观察到的图像)。因此,所有的切实可行的解决方案都必须给模糊核和待恢复图像作先验的假设。这类问题的传统信号处理方式通常是以频率域的幂次定律的形式作一些一般的假设,由此产生的算法仅能够处理由于相机抖动造成的非常小的模糊而不是较复杂的模糊核。此外,这种利用图像在频率域中的先验知识可能不能把空间域的结构保存下来,比如图像边缘。本文介绍了一种方法,可以有效的去除运动模糊带来的图像模糊的影响。这种方法假设图像上有着均等的运动模糊并且可以忽略相机面内转动的影响。为了能从运动模糊中估计模糊,这个进展是基于早先的两个非常重要的改善：第一个是利用了一项静态图像上的统计信息的研究,第二个是基于Miskin和Mackay的工作,采用贝叶斯方法,同时把未知部分的不确定因素考虑在内,通过图像的概率分布找到模糊核。有了模糊核,然后用一个改进的标准的反卷积算法进行重构。实验结果通过一系列的现实生活中采集的照片显示出来。