本发明公开了一种基于深度先验的盲图像去模糊方法，使用深度卷积神经网络DIP‑Net隐式地建模图像平滑性先验约束生成清晰图像；通过求解关于模糊核最优化问题的精确解估计模糊核；交替迭代更新模糊核与清晰图像，利用复原的清晰图像和模糊核计算损失函数并更新网络参数。对模糊图像与模糊核联合建模，采用交替迭代网络模型与数学模型的方式同时估计清晰图像与模糊核；在无任何附加隐式或显式的图像先验的情况下，仅利用模糊图像实现了端到端地自监督学习的盲去模糊。本发明结合深度网络结构实现正则化方法，无需使用模糊图像与模糊核真值训练网络；与传统模型方法相比，无需采用图像金字塔的方式由粗到细的估计模糊核，有效抑制复原图像中存在的噪声。