针对红外图像序列中复杂背景干扰下容易出现的高虚警问题，提出一种基于 ${L_{1 - 2}}$时空域总变分正则项的红外弱小目标检测算法。首先，将红外图像序列转化为时空域红外张量块，该步骤可利用张量的高维数据结构优势关联图像序列中的时空域信息。然后，利用加权Schatten $p$范数和 ${L_{1 - 2}}$时空域总变分正则项对低秩背景成分进行重构，以保留背景中起伏剧烈的边缘和角点，提高稀疏目标的重构精度。最后，将目标张量恢复为图像序列，利用自适应阈值分割方法得到最终的目标图像。与另外5种检测算法进行对比实验，结果显示，该方法的虚警率较Maxemeidan算法、Tophat算法、LIRDNet算法、DNANet算法以及WSNMSTIPT算法平均分别下降了71.4%、71.1%、68.5%、74.3%和20.47%；而在检测实时性方面，该算法耗时为Maxemeidan算法、DNANet算法以及WSNMSTIPT算法的42.4%、82.9%和28.7%。实验结果验证了该方法在检测性能上的优越性，表明该算法能够显著提高复杂背景干扰下的目标检测精度和效率。

针对传统曝光模式下运动模糊图像复原的病态性问题，提出了一种基于闪动快门互补序列对的运动模糊图像复原方法.分析了闪动快门成像原理及其码字序列在频域的相关特性，结合编码序列对之间的信息互补特点，引入Golay互补序列生成理论，构建长度适中的二进制闪动快门互补序列对.互补序列对的联合调制传递函数在频域上实现了信息互补，其曲线对比单码字的调制函数具有更大的最小值和更小的方差值，且其构成了峰值-谷值对应，保证了互补图像序列能够相互补偿由于运动模糊所造成的空间信息损失.引入全变分正则化模型，构造一体化的多帧图像去模糊复原算法框架，实现清晰图像的有效获取.搭建了运动目标实拍仿真成像平台，开展了仿真和实拍运动模糊复原实验.实验结果表明，该方法能够更好地保留场景细节信息，获得高质量的运动模糊复原结果，有效改善复原过程中的负效应.相较于其他几种运动目标成像获取方式，该方法复原图像具有更好的主客观评价结果.