图像在采集、存储、传输和处理过程中,因成像设备、成像环境或人为操作不当等各种不利因素使得获取图像质量下降(也称为图像退化),具体表现为图像出现模糊、噪点显著、图像分辨率过低、图像中局部信息缺失等。图像退化对后续图像信息的获取、分析和进一步处理带来极大的困难。图像复原技术是指根据图像退化的原因,从获取的退化图像中复原出接近于原始清晰图像的技术,典型的图像复原主要有模糊图像复原、图像去噪、图像超分辨、图像修复等。模糊退化是所有图像退化中最为常见的一种退化,导致图像出现模糊退化的原因有很多,如光学成像中聚焦不准确、成像设备与被拍摄物体之间存在相对位移、大气湍流、图像压缩、图像预处理等原因。模糊图像复原,是指根据模糊退化的原因,从模糊图像中复原出原始清晰图像。模糊图像复原技术被广泛用于天文研究、军事探测、公共安全、智能交通、医学影像、日常生活等领域。对模糊图像复原的研究,一直以来都是图像复原领域中一个重要的课题及研究热点。因此,对模糊图像复原问题的理论、算法及关键技术研究具有重要的学术意义和应用价值。根据模糊退化模型中的模糊核是否已知,可将模糊图像复原分为两类:模糊图像非盲复原和模糊图像盲复原。模糊图像盲复原问题中模糊核和清晰图像均未知,因此模糊图像复原是典型的病态逆问题。模糊图像盲复原一般可分为两个步骤,一是模糊核估计,二是根据估计到的模糊核,用图像解模糊方法对模糊图像进行复原。本文主要从模糊退化模型的建立、模糊核估计、解模糊算法三个方面,对模糊图像盲复原相关理论和算法展开深入研究。首先在向量框架下,针对一般的二维模糊图像复原问题进行研究。然后,再扩展到三阶张量框架下,利用张量框架下的相关方法和理论,针对高阶张量模糊图像复原问题展开深入研究。论文工作的主要研究内容为:首先,在向量框架下,针对一般的二维模糊图像复原问题,研究了传统的卷积退化模型的特点和局限性,在分析了相机成像时因光学衍射和抗混叠滤波等原因导致固有模糊特性的基础上,从函数逼近角度,结合高斯核函数的特点,利用高斯核函数的加权和近似表示模糊核,提出了加权高斯核模糊退化模型,探讨了对应的模糊核估计算法。同时,在研究现有几种基于总变分(Total Variation,TV)正则项的解模糊算法的基础上,结合图像中的局部结构信息,提出了一种基于图像局部结构信息的总变分融合解模糊算法,并通过相关实验验证了算法的有效性。进一步,在张量框架下,针对高阶张量模糊图像复原问题,分别在传统张量框架和Kilmer张量框架下展开模糊图像盲复原算法研究。一方面,在传统张量框架下,将向量框架下的加权高斯核退化模型扩展到传统张量框架下,并通过引入Z方向差分算子,将传统的总变分模型扩展到三阶张量框架,得到三阶张量总变分模型。以此模型为基础,提出了张量框架下的基于加权高斯核退化模型的盲复原算法,并通过相关实验验证了算法的有效性。该复原算法可用于处理如视频、高阶医学影像中的模糊复原问题。另一方面,在Kilmer张量框架下,针对现有模糊图像盲复原算法在估计模糊核时需要足够的有效边缘信息,并反复地在模糊核与清晰图像求解之间交替迭代,导致求解时间复杂度较高等问题,提出了一种基于T2DPCA(Tensorial Two-Dimensional Principal Component Analysis,T2DPCA)子空间投影的模糊核估计算法。在研究Kilmer张量框架下的线性二阶张量空间及T2DPCA子空间投影算法的基础上,结合自然图像幅度谱满足幂律定理的特点,在频域利用T2DPCA子空间投影算法将模糊图像的频谱投影到适合的子空间中,再对投影后的图像频谱进行白化,从而估计出模糊核的功率谱,然后利用相位回溯法估计出模糊核的相位,最后重构出最终的模糊核。仿真实验和真实模糊实验均表明,估计的模糊核与真实模糊核之间误差较小,结合基于总变分模型的解模糊算法对模糊图像复原,得到的复原图像的质量更理想。此外,针对现有模糊图像盲复原算法通常仅利用彩色图像的灰度信息估计模糊核,图像转换操作会造成信息丢失,在处理尺寸过小或显著边缘过少的图像时,模糊核的估计通常会失效,导致最后复原图像的质量不理想等问题,将作为一个自然的三阶张量的彩色模糊图像的复原问题纳入Kilmer张量框架下进行研究。在研究Kilmer张量框架下的相关理论和算法的基础上,提出了t-TV(tensor-Total Variation,t-TV)张量总变分模型,探讨了一种基于t-TV张量总变分模型的模糊图像盲复原算法。实验证明与目前的主流盲复原算法相比,特别是在处理分辨率较低的彩色模糊图像时,估计到的模糊核能较好地逼近真实模糊核,从而使得复原图像中边缘更为清晰,保留了更多的图像细节,同时也很好地抑制了图像中的振铃效应。