چکیده: یکی از چالش‌های با سابقه طولانی در تصویربرداری، تاری ناشی از حرکت است که در اثر حرکت نسبی بین دوربین و صحنه اتفاق می‌افتد. هدف نهایی از فرآیند رفع تاری، بازسازی تصویر واضح از روی تصویر تار می‌باشد. در این رساله به مسأله رفع تاری ناشی از حرکت یک شیء صُلب در صحنه پرداخته می‌شود. اولین مسأله در موضوع رفع تاری ناشی از حرکت شیء، استخراج ناحیه تار در تصویر می‌باشد. مسأله دوم، تخمین هسته یا تابع تاری است تا به کمک آن مشخّص شود که ناحیه مورد نظر چگونه تار شده است، و در ادامه، اقدام لازم برای بازسازی آن انجام می‌گیرد. برای تعیین ناحیه تار در تصویر، نیاز است که یک معیاری تعریف شود تا با استفاده از آن بتوان میزان تاری پیکسل‌های تصویر را تخمین زد. مسأله تخمین هسته تاری یک مسأله بد شکل است، زیرا این کار تنها با داشتن یک تصویر تار (و بدون داشتن نسخه واضح آن) انجام می‌پذیرد. فرآیند بازسازی نسخه واضح (حتی با داشتن هسته تاری) نیز چالش برانگیز است، زیرا در اثر تاری، جزئیّات تصویر و اطّلاعات فرکانس بالای آن از بین می‌رود. در این رساله، برای تشخیص محدوده شیء تار، یک معیار ارزیابی مقاوم به نویز پیشنهاد شده است. این معیار بر اساس یک ویژگی تعریف شده است که به‌خوبی تصاویر تار و واضح را از هم تمیز می‌دهد. با کمک این معیار، نقشه تاری یک تصویر ایجاد می‌شود که در آن میزان تاری پیکسل‌های تصویر مشخّص می‌باشد. سپس به کمک نقشه تاری استخراج شده و با استفاده از یک روش قطعه‌بندی مناسب بر اساس مفهوم پیکسون، تصویر به دو بخش تار و غیرتار قطعه‌بندی می‌گردد. تصویر قطعه‌بندی شده به‌عنوان یک ماسک در مراحل بعد استفاده می‌شود. برای تخمین هسته تاری، در این رساله، فرآیند واپیچش کور بر پایه بیشینه‌سازی احتمال پسین به‌کار گرفته شده است. این فرآیند، هسته تاری و تصویر واضح را، به‌صورت تکراری و یک در میان، تخمین می‌زند. برای انجام فرآیند واپیچش کور، دو زیرمسأله بیشینه‌سازی احتمال پسین، یکی برای تخمین هسته تاری از روی تصویر بازسازی شده و دیگری برای تخمین تصویر واضح از روی هسته تاری تخمین زده شده، تعریف شده است. در زیرمسأله تخمین هسته تاری، بخش دُرُست‌نمایی، بر اساس لبه‌های مهم و برجسته تصویر تعریف شده است. استفاده از لبه‌های مهم تصویر به‌جای تمام پیکسل‌های آن، به این دلیل است که هسته تاری را می‌توان، با کیفیّت بهتری، از روی لبه‌های برجسته تصویر تخمین زد. از توزیع لاپلاسی، که به‌خوبی خلوت بودن هسته تاری را می‌تواند نشان دهد، به‌عنوان دانش پیشین برای هسته تاری استفاده شده است. در تعریف زیرمسأله بازسازی تصویر واضح، یک دانش پیشین بر اساس مشتق‌های مرتبه اول و دوم تصویر پیشنهاد گردیده است. استفاده از این دانش در مسأله بهینه‌سازی، منجر به بازسازی دقیق‌تر لبه‌های مهم تصویر می‌شود. در نتیجه تخمین هسته تاری با دقّت بیشتری انجام می‌گیرد. برای بازسازی نهایی تصویر، از واپیچش بینا بر پایه بیشینه‌سازی احتمال پسین استفاده شده است. در تعریف مسأله بیشینه‌سازی، برای دو بخش دُرُست‌نمایی و دانش پیشین، عبارت‌هایی پیشنهاد شده است که باعث بازسازی بهتر جزئیّات تصویر می‌شود. دانش پیشین پیشنهاد شده در این بخش، که بر اساس همان معیار پیشنهادی برای ارزیابی میزان تاری در تصویر تعریف گردیده است، تصاویر واضح را بر تصاویر تار ترجیح می‌دهد. بدین معنی که عبارت منظّم‌سازی معادل آن دانش، که در بدنه یک مسأله بیشینه‌سازی احتمال پسین جا داده می‌شود، به‌ازای تصویر واضح دارای مقدار کمینه می‌باشد. آزمایش‌های متنوعی، برای بررسی کارایی روش‌های پیشنهادی در بخش‌های مختلف رساله، انجام شده است. نتایج این آزمایش‌ها نشان دهنده کارایی بهتر روش‌های پیشنهادی نسبت به روش‌های معرّفی شده در تحقیقات مختلف است.