在图像的采集、传输和保存过程中，很多因素会导致图像质量下降。图像模糊是图像质量下降的常见表现形式。虽然基于全变分（TV）的图像恢复Chan模型能够更好地描述导致图像质量下降的模糊核，但该模型的图像恢复结果严重依赖于参数的选择。针对Chan模型对参数敏感的问题，在模型中引入模糊核的Tikhonov正则化，提出了一种新的盲解粘贴模型，并证明了新的盲恢复模型解的存在性。此外，采用从粗到细的多层图像金字塔策略构造模糊核的初始值，然后结合交替最小化（AM）方法，设计了一种基于初始模糊核的快速算法来求解该模型。数值实验结果表明，与其他正则化模型相比，该模型不仅可以获得高质量的图像恢复结果，而且在不受模糊核动态阈值约束的情况下，对参数具有更好的鲁棒性。