针对遥感图像的运动模糊问题，提出一种基于局部最大和最小强度先验的遥感图像盲去模糊方法。该方法利用遥感图像局部像素强度的稀疏性作为先验条件，使用简单的迭代阈值收缩方法求解潜像和模糊核，再由非盲反卷积算法得到去模糊图像。实验结果表明，所提方法能提高计算效率，对于可见、红外遥感图像，均能有效恢复图像的纹理细节，抑制伪影，提升了复原图像的主观效果与客观评价指标。

提出一种基于双向多尺度特征融合的生成对抗网络（GAN），利用该网络对各种地基望远镜拍摄的受大气湍流影响的目标天体图像直接进行盲复原处理。首先通过长曝光大气湍流退化模型与清晰图片进行卷积来构建数据集，并进行网络训练，在模拟湍流图像数据集中测试网络性能。同时，实际获取了Munin地基望远镜（卡塞格林型望远镜）拍摄的受湍流影响的国际空间站图片，并用所提神经网络模型进行测试。各项图像复原评价指标表明：所设计的网络实时性较强，在0.5 s内可以输出复原结果，相比传统非神经网络复原方法要快10倍以上；所提网络的峰值信噪比（PSNR）提高2 dB~3 dB，结构相似性（SSIM）提高9.3%左右，对受真实湍流影响的退化图像也有较好的复原效果。

双通道对比度先验（Dual-CP）是基于图像的亮通道和暗通道之间的差异来模拟对比度，故其在模糊图像盲复原中表现出良好的复原效果。但是，实际应用中图像亮通道和暗通道的值并不像理论研究的那样明显地分布在1和0上，为解决这一问题，提出一个联合双通道对比度先验和L₀正则化强度及梯度先验的模糊图像盲复原算法。其中，由于非凸的L₀极小化问题求解比较困难，利用半二次分裂法推导出一种有效优化算法。实验表明，所提算法在直观效果上有更明显的细节恢复能力，且在Levin等人、Köhler等人和Lai等人提出的基准数据集上平均峰值信噪比分别提高了2.1051 dB、1.1273 dB和0.4491 dB，平均结构相似性分别提高了0.1302、0.0599和0.0158。

图像盲复原旨在无参考的情况下准确估计模糊核并恢复潜在的清晰图像。现有研究成果表明，利用全变分模型对高阶图像梯度先验约束进行描述可以有效抑制复原图像中产生的阶梯效应。本文在实验观察和研究的基础上，提出了采用稀疏先验约束模型对盲复原过程进行正则化的方法，以获得更佳的图像复原效果。该方法利用图像高阶梯度的稀疏性，通过与低阶梯度相结合来构造混合梯度正则项。同时，在正则项中引入基于图像熵的自适应因子，来调节迭代优化过程中两类梯度先验的比例，以此获得更好的收敛性。仿真与实验证明，与现有图像盲复原先进方法相比，本文方法具有更优越的图像复原性能。

依据完整的水下光学成像模型,提出一种新的基于红通道稀疏先验的变分盲复原方法。为了能同时克服水下场景中因水体流动及悬浮颗粒对光的散射和吸收作用而引起的雾化、对比度低、色彩失真及模糊等退化问题,变分能量方程中引入不同功能的规则项。首先,根据水下光学成像模型的直接分量和后向散射分量得到拟恢复图像,将其作为图像色彩恢复的导向图;然后基于前向散射分量建立变分能量方程的数据保真项,利用水下图像红通道稀疏性先验引入L0范数并作为去模糊规则项。为了提高多规则项、多变量变分模型的运算效率,利用交替方向乘子法对其进行迭代求解。实验结果表明,本文方法不仅在去雾、提升对比度、恢复色彩方面效果出色,并能有效去除图像模糊,改善清晰度。

基于单一全变分正则的多通道图像盲复原算法容易使复原图像产生振铃效应、丢失高频细节信息。针对这个问题,利用模糊图像暗像素的非稀疏性,提出一种基于全变分和暗像素的多通道图像盲复原算法。针对全变分和暗像素双正则模型求解难的问题,使用分裂Bregman优化算法确保结果收敛,将全局问题分解为独立的子问题,通过交替迭代图像和点扩展函数复原出目标图像。实验结果表明,所提算法能够有效去除图像模糊,抑制振铃效应,复原出高质量的清晰图像。与采用单一全变分正则项的算法相比,所提算法的峰值信噪比提高了0.12 dB~5.86 dB,结构相似度提高了0.014~0.125。

提出一种重加权总变分与hyper-Laplacian相结合的图像盲复原算法。首先,通过重加权总变分先验重建模糊图像权重的双峰分布;然后,利用重建后的图像估计连续且稀疏分布的点扩展函数,并用其复原模糊图像,对以上两步反复迭代,使点扩展函数不断接近真实的解;最后,结合hyper-Laplacian函数曲线能很好地拟合自然图像梯度分布的先验对模糊图像进行非盲复原。实验结果表明,与两种具有代表性的盲复原算法相比,该算法能更准确地预测出模糊核,并有效抑制图像的振铃效应,且在主观视觉与客观评价指标上都得到明显的提升。

非均匀校正技术是电阻阵列红外动态景象投射器的关键技术之一, 国外早已在该领域取得了突破性研究成果, 已实现了精确校正, 并且得到工程化应用。而国内研究则进展较缓, 校正精度不足。本文以 Flood测试法为基础, 以盲复原迭代方法为研究对象, 结合国内研究现状对该方法进行了完善和验证。实现在无需估计点扩散函数的条件下, 利用对探测数据的处理消除了观测噪声和边缘效应的影响并且实现了残余非均匀性小于 1%的校正。

为了提高动态条件下星光导航系统星斑质心定位精度, 本文提出了一种新的模糊星斑复原算法。首先, 分析了星斑图像退化模型, 得出了星斑质心定位精度与星斑信噪比呈正相关的关系。对于载体角运动和载体振动两个因素引起的模糊星斑复原过程分成粗级复原和精级复原两个步骤。接着分析了噪声对拉东(Radon)变换的影响, 提出基于灰度拉伸的改进Radon变换算法进行粗复原。最后, 根据清晰星斑的梯度分布稀疏先验正则化, 利用迭代盲复原算法对星斑进行精复原。仿真实验结果表明, 本文提出的两步模糊星斑复原算法较传统算法复原后星斑峰值信噪比(PSNR)提高30%, 质心定位精度提高55%。