运动模糊是一种常见的图像退化现象,其成因是在相机曝光期间由于相机抖动或物体运动造成拍摄对象与相机的相对运动。近年来学术界提出了大量先进的去卷积算法,但大部分算法都基于线性模糊模型假设以及较轻的噪声,然而在极端拍摄条件下模糊图像中通常会包含大量不满足线性模型的异常值(非高斯噪声与饱和像素)。典型的场景如夜间手持成像设备进行拍摄,由于低光照条件导致相机需要更长的曝光时间,在成像过程中也容易引入更多噪声,而手持相机由于不可避免的抖动产生运动模糊,同时场景中的各类人造光源及镜面反射使图像中部分区域饱和。这些异常值违反了一般去卷积算法的线性模糊假设,导致算法的复原图像中产生严重人工伪影。为了有效处理不同类型异常值的干扰,本文做的主要工作如下:1.提出了一种基于联合稀疏与最大熵先验的异常值检测去卷积模型。算法通过迭代交替地进行异常值检测与图像去卷积,能够有效检测并抑制分布具有稀疏性的异常值(如冲击噪声)。相比经典去噪去模糊算法,本文算法对不同密度冲击噪声的自适应性更好。2.与冲击噪声不同,饱和像素的分布具有聚集性。通过分析高度饱和区域对去卷积算法的影响,设计了一种修正高度饱和区域周边振铃伪影的算法作为复原图像的后处理步骤。在部分饱和模糊图像上的实验表明,相比其它先进算法,本算法最终复原图像的结构相似度SSIM平均提高了0.1左右。