图像盲去卷积是图像复原的另一个重要的手段，它针对没有或少有关于降质函数和真实信号等先验知识的复原问题，直接根据退化图像来估计降质函数和真实信号。目前有以下几种算法:零叶面分离法、预先确定降质函数法、三次相关法、迭代盲去卷积法等。这些算法在先验信息不足的情况下对降质图像进行复原，由于原始图像以及点扩散函数的先验知识只是部分已知的，造成图像复原的解往往并不唯一，而且解的好坏与初始条件的选择以及附加的图像假设等直接有关。同时，由于加性噪声的影响使得图像的盲复原呈病态。即：若对点扩展函数直接求逆卷积复原，通常会带来高频噪声放大的问题而导致算法性能的恶化，所以当图像的信噪比水平较低时获得的结果往往不太理想。
约束最小二乘方（正则）复原法作为一种解决病态反问题的常用方法，通常用图像的平滑性作为约束条件，但是这种正则化策略通常导致复原图像的边缘模糊。为了克服边缘退化问题，最近几年，不少学者对各种“边缘保持”的正则化方法进行了比较深入的研究，提出了一些减少边缘退化的正则化策略，这些策略通常需要引入非二次正则化泛函，从而使问题的求解成为一个非线性问题。沿着这一思路，Geman和Yang提出了“半二次正则化”的概念来解决这种策略中出现的非线性优化问题。其后，Charbonni等人在此基础上研究了一种新的半二次正则化方法。从而可以利用确定性算法来得到问题的最优解。另一个较新的发展使Vogel等人提出的基于全变差模型的图像复原算法。尽管这些算法都在一定意义上提高了复原图像的质量，但边缘模糊的问题并未得到理想的解决。
为了实现光学遥感图像的快速复原,分析了已有全变差正则化复原算法存在的问题,提出基于全变差正则化图像复原的代理代价函数模型,并将该模型转化为3个子问题优化过程,设计了一种快速解析迭代的变量分裂算法。正则化方法作为一种解决病态反问题的常用方法，通常用图像的平滑性作为约束条件，但是这种正则化策略通常导致复原图像边缘的模糊。为了克服边缘退化问题，最近几年，不少学者对于各种“边缘保持”的正则化方法进行了比较深入的研究，提出了一些减少边缘退化的正则化策略，这些策略通常需要引入非二次正则化泛函，从而使得问题的求解成为一个非线性问题。
另外，近年来小波的理论发展迅速，并广泛应用于图像复原中。基于小波变换的迭代正则化图像复原算法，兼顾抑制噪声的增长和保留图像的重要边界。具有噪声估计能力的图像恢复正则化方法。Belge等人以广义高斯模型作为小波系数的先验分布，提出了一种小波域边缘保持正则化方法，同时给出了小波域图像复原的一般框架，但其复原结果相对于传统方法提高得并不显著。从图像复原的Bayesian框架出发，小波域局部高斯模型的线性图像复原算法，该方法可较好地再现了图像的各种边缘信息，取得不错的复原效果 图像复原技术国内外研究现状发展趋势(2):http://www.youerw.com/yanjiu/lunwen_7311.html