针对图像盲反演算法未考虑空间目标图像自身特性，致使对空间目标图像细节信息恢复不理想、重构图像中易产生边界伪像等不足之处，提出了一种基于稀疏表示的联合稀疏先验约束盲反演算法.首先，结合空间目标图像梯度的稀疏特性，采用图像梯度的L₀范数提取有利于模糊核估计的图像显著边缘信息；其次，采用L_p范数和L₀范数对图像的梯度分布和空间域进行稀疏约束，以保证反演图像的像素点间具有显著的对比度，同时保证图像中包含边缘和纹理等细节信息；最后，采用拉普拉斯分布先验对模糊核进行约束，以保证模糊核的稀疏特性.采取交替迭代策略对所提出的模型进行优化求解，从而得到模糊核和空间目标图像的估计值.实验结果表明，相比于几种具有代表性的盲反演算法，提出的方法能估计出更准确的模糊核，对图像边缘和纹理等细节信息具有更好的恢复能力，在主观评价和客观评价方面均取得了较好的反演性能.