1、高質(zhì)量的圖像一直是人們孜孜以求的目標(biāo)，在深空探測(cè)、軍事偵察、測(cè)繪、醫(yī)學(xué)、民用等領(lǐng)域都有重大需求。在成像系統(tǒng)采集圖像的過程中，由于多種退化因素（如大氣衍射、散焦模糊、運(yùn)動(dòng)模糊、隨機(jī)噪聲等）的影響，相機(jī)成像質(zhì)量往往達(dá)不到靜態(tài)設(shè)計(jì)參數(shù)，一定程度上限制了圖像數(shù)據(jù)的使用價(jià)值。所以，研究提升圖像質(zhì)量的工作顯得尤為重要。而目前，圖像復(fù)原在諸多領(lǐng)域都已成為獲取高質(zhì)量、高清晰度圖像的重要方法。
　　點(diǎn)擴(kuò)散函數(shù)（Point Spread Functi

2、on, PSF）是圖像復(fù)原的關(guān)鍵參數(shù)，在退化圖像PSF未知或者判斷不準(zhǔn)確的情況下，無疑給圖像復(fù)原帶來很大困難。本文針對(duì)單一及混合模糊圖像如何獲取更精確的PSF函數(shù)，展開了相關(guān)研究工作，具體內(nèi)容如下：
　　（1）分析了光學(xué)成像系統(tǒng)數(shù)學(xué)模型及常見的降質(zhì)模型；簡(jiǎn)單闡述圖像復(fù)原的不適定性及如何改良重建過程中的病態(tài)問題；講解了幾種圖像重建算法，重點(diǎn)講述了基于超拉普拉斯（Hyper-Laplacian）先驗(yàn)的快速圖像去卷積算法，其概率模型更符

3、合自然圖像梯度分布，且對(duì)振鈴效應(yīng)有較強(qiáng)的抑制作用。
　?。?）針對(duì)只含高斯模糊的退化圖像，本文對(duì)傳統(tǒng)刃邊法加以改進(jìn)，實(shí)現(xiàn)了自適應(yīng)PSF參數(shù)辨識(shí)算法；該方法結(jié)合Canny邊緣檢測(cè)算子和Hough變換，設(shè)計(jì)出圖像梯度準(zhǔn)則，以刃邊兩側(cè)圖像塊平均灰度值差異為判定依據(jù)，完成了刃邊的自適應(yīng)提??；對(duì)實(shí)際靶標(biāo)圖像的復(fù)原結(jié)果分別進(jìn)行主觀和客觀評(píng)價(jià)，驗(yàn)證了該算法對(duì)高斯模糊圖像具有良好的復(fù)原效果。
　?。?）針對(duì)高斯與運(yùn)動(dòng)混合模糊圖像，本文基于圖

4、像頻域特性進(jìn)行去運(yùn)動(dòng)模糊預(yù)處理；針對(duì)不含噪圖像，基于圖像分塊思想和相位一致性（Phase Congruency, PC）邊緣檢測(cè)算法，有效避開頻域十字亮線、模糊參數(shù)過小而引入誤差等問題；考慮到實(shí)際圖像中噪聲的干擾，本文運(yùn)用一種克服亮度、對(duì)比度的弱邊緣分割算法 GrabCut，實(shí)現(xiàn)了對(duì)月遙感運(yùn)動(dòng)模糊圖像參數(shù)估計(jì)和高質(zhì)量圖像復(fù)原。
　?。?）根據(jù)本文高斯、運(yùn)動(dòng)模糊圖像復(fù)原方法，設(shè)計(jì)了一種自適應(yīng)圖像復(fù)原算法；通過實(shí)驗(yàn)評(píng)估運(yùn)動(dòng)模糊參數(shù)對(duì)刃

5、邊法復(fù)原的影響，設(shè)定運(yùn)動(dòng)參數(shù)閾值LT，作為去運(yùn)動(dòng)模糊的判斷依據(jù)；在該算法中，首先對(duì)模糊圖像進(jìn)行運(yùn)動(dòng)參數(shù)L檢測(cè)；若 TL?L，則進(jìn)行去運(yùn)動(dòng)模糊后刃邊法復(fù)原處理，否則直接進(jìn)行自適應(yīng)刃邊法模糊圖像復(fù)原。
　　本文主要研究了自適應(yīng)刃邊法的高斯模糊圖像復(fù)原問題，考慮到運(yùn)動(dòng)模糊存在的普遍性與差異性，設(shè)定運(yùn)動(dòng)參數(shù)閾值LT，完成了單一及混合模糊圖像的自適應(yīng)復(fù)原算法設(shè)計(jì)。該算法在實(shí)現(xiàn)高質(zhì)量圖像復(fù)原的同時(shí)，提供了一種方便、有效的復(fù)雜模糊圖像復(fù)原解決方