我々は、ダークチャネル先験に基づくシンプルかつ効果的なブラインド画像のぼかし除去手法を提案する。本研究の発想は、ぼかされた画像におけるダークチャネルが、元の画像に比べて疎性（sparsity）が低いという興味深い観察に由来する。クリーンな画像の大多数の画像パッチには一部の暗い画素が含まれるが、ぼかしプロセスにおいてこれらの画素が周囲の高輝度画素と平均化されることで、それらはもはや暗い状態にはならない。我々の分析により、このダークチャネルの疎性の変化は、ぼかしプロセスの本質的な性質であることが理論的にも実証的にも示された。すなわち、この疎性の変化はぼかしプロセスに内在する特性であり、数学的に証明するとともに、学習データを用いた実証によって裏付けられている。したがって、ダークチャネルの疎性を強制することは、自然画像、顔画像、テキスト画像、低照度画像など、さまざまなシナリオにおけるブラインドデブラーに有効である。しかしながら、ダークチャネルの疎性を制約することは、非凸かつ非線形な最適化問題を引き起こす。そこで本研究では、最小値演算子（min operator）の線形近似を導入し、ダークチャネルの計算を効率化した。本手法は、ルックアップテーブルに基づくアプローチであり、実用上は高速に収束し、非一様なぼかし除去へも直接拡張可能である。広範な実験結果から、本手法は自然画像のデブラーにおいて最先端の性能を達成しており、特定のシナリオに特化して設計された既存手法と比較しても優れた性能を発揮することが確認された。