在实际生活中,视频或图像采集过程中不可避免的存在退化,这种退化造成采集的信息存在噪声或者模糊。模糊图像存在信息丢失或信息不准确的特点,给实际生活应用带来困扰,其模糊图像高频信息的损失增加了图像分析识别的难度。本文研究对象的退化过程主要来自于物体运动而造成的模糊,主要针对固定摄像头获取的视频中运动物体在曝光时间内快速移动带来的模糊。如何对模糊目标进行去运动模糊,提高去运动模糊效果,如何处理视频中不同的目标等问题是本文研究的重点。本文首先从视频中提取出模糊的目标,主要利用清晰图像先验,点扩散函数约束,求解点扩散函数。利用点扩散函数,将盲去运动模糊问题转化为非盲去运动模糊问题。并用超拉普拉斯拟合清晰图片梯度直方图分布,根据贝叶斯理论将去运动模糊过程转化为求解最小能量函数问题,得到去运动模糊主客观评价指标相对较好,耗时接近快速去运动模糊算法的视频帧去模糊方法。基于目标跟踪的视频去运动模糊的基本框架,具体包括四大模块:1)模糊前景提取。本文简单介绍了两种跟踪算法,感知压缩目标跟踪和多示例目标跟踪,结合实验结果和分析,确定本文采用效果更好的多示例跟踪算法提取目标前景,用以将空间变化点扩散函数问题转化为空间不变点扩散函数问题。2)点扩散函数初始值估计。提出用SURF匹配相邻两帧模糊目标求取帧间运动矢量,利用曝光时间和帧间时间之间存在的比例关系得到点扩散函数的初始值,对比频率域求取点扩散函数初始值方法,帧间匹配方法得到的点扩散函数更接近真实的点扩散函数,鲁棒性更好。3)点扩散函数精确求解。结合点扩散函数约束,清晰图像梯度先验,构造正则化函数,由于字符去运动模糊效果不明显,提出了加强字符先验约束,迭代求解清晰图像高频信息和点扩散函数。4)非盲去运动模糊。本文对比了经典的R-L(Richardson-Lucy)和超拉普拉斯正则化算法,超拉普拉斯算法能够得到更好的复原效果,对应的客观评价指标更优。