近些年来,随着轻小型、高像素的数码相机普及,越来越多的人成为了摄影爱好者。但是,伴随着相机变轻变小,相机成像时发生抖动导致其所成图像发生运动模糊现象频繁发生。一些具有瞬间不可重现性场景,便因此隐藏或丢失宝贵的瞬间信息。为了获得模糊图像中隐藏的有效信息,需要对模糊图像进行复原。现有的运动模糊图像复原方法用于处理真实图像时,受各种估计误差、图像先验知识的局限性以及部分图像信息丢失的影响,往往使得复原图像产生二次退化,其中较为显著的一种退化现象是振铃效应。本文致力于研究消除基于空间线性不变的运动模糊图像复原常见的振铃效应问题,主要工作内容如下：第一,本文提出了基于梯度平滑的边界振铃抑制算法。本文对导致复原图像振铃效应的原因作了深入分析。针对导致复原图像振铃效应的边界截断现象,本文提出了一种基于梯度平滑的边界振铃抑制算法。该算法使扩展后图像满足离散傅里叶变换对数据周期性的要求,并使扩展图像边界不具有显著边缘,有效地抑制了边界振铃效应。第二,本文设计了基于振铃抑制的去卷积滤波器。近些年来关于自然图像统计的研究成果表明,自然图像梯度服从重尾分布。引入自然图像梯度分布先验,采用图像模糊可视作图像平滑滤波的思想,本文设计了基于振铃抑制的图像复原去卷积滤波器。该滤波器显著地抑制由模糊核估计误差、随机噪声放大以及去卷积滤波器对数据特征的要求等因素导致复原图像产生振铃效应。第三,本文提出了基于单幅图像的运动模糊盲恢复算法。实际应用中,相机获得的真实模糊图像其模糊核往往是未知的,对真实模糊图像复原需要估计模糊核。采用Kim等人提出的l1-阶最小二乘正则化问题求解方法,以及利用上述的振铃抑制去卷积滤波思想,本文提出了基于单幅图像的运动模糊盲恢复算法。该算法可以直接对真实模糊图像进行复原,较好地估计模糊核,从而获得清晰的复原图像,显著地抑制了因模糊核估计误差导致的振铃效应。