近年来，红外成像系统在工业、安防、遥感等领域获得了广泛的应用，但由于制造工艺及成本制约，红外系统的分辨率仍然较低。基于深度神经网络的单帧图像超分辨率重建技术是提高红外图像分辨率的有效方法，获得了广泛研究，并在仿真图像上取得了显著进展，但应用于实际场景图像时容易出现伪影或图像模糊等现象。造成这种性能差异的主要原因是目前方法大多假定造成图像退化的模糊核是空间一致的，然而实际红外光学系统不可避免地存在像差、热离焦等，由此造成的图像模糊的模糊核并非空间一致的。针对这一问题，提出了一种非盲模糊核估计方法，通过采集特定的靶标图像，并设计模糊核估计网络，求解空间非一致模糊核；设计基于图像分块的超分辨率重建方法，将图像块和对应区域的模糊核一起输入非盲超分辨率重建网络进行子块图像重建，再通过子块合并和重叠区域图像融合，得到最终的高分辨率图像。实验结果表明，光学系统自身引起了模糊核随空间位置缓慢变化，在实验室条件下标定模糊核并基于图像分块进行超分辨率重建的方法可显著提高红外图像超分辨率重建的效果。

工业精密制造中，视觉检测设备的成像系统往往景深较小，易产生离焦模糊，严重影响检测效果。针对这一问题，提出了一种针对于均匀离焦图像的盲去模糊网络（Uniform Defocus Blind Deblur Net，UDBD-Net）。首先，提出一种模糊核估计网络，提取离焦模糊的特征，并准确地估计出模糊核；其次，提出一种反卷积网络，通过神经网络学习并估计基于特征维纳反卷积（Feature-based Wiener Deconvolution，FWD）公式中的未知量，更准确地生成去模糊图像的潜在特征；最后，使用一个编解码网络（Encoder-Decoder Net）增强图像的细节，并去除伪影。实验结果表明，该方法在DIV2K和GOPRO图片上的峰值信噪比（Peak Signal to Noise Ratio，PSNR）分别达到31.16 dB和36.16 dB；与目前主流的方法相比，该方法在不显著增加模型推理时间的同时能够复原出更高质量、更自然地去模糊图像。此外，该方法对真实的均匀离焦模糊图像也有较好的去模糊效果，且能够显著提升工业视觉检测算法对于离焦模糊图像的检测效果。

采用离轴三反射结构的大视场空间相机存在较大的光学畸变，导致引入时间延迟积分(Time Delay Integration, TDI)技术的面阵探测器在推扫成像时产生像移模糊。根据畸变引起的TDI成像退化原理，将畸变像移模糊转化为非均匀运动模糊，通过求解像移路径计算初始模糊核，将其作为先验信息，建立半盲复原模型进一步细化模糊核。利用初始模糊核复原的粗略图像边缘指导模糊核的细化，提出一种多方向权重异性的全变差模型提取图像结构信息。为了增强先验信息对模糊核细化的约束，构建了含有初始模糊核的正则项，使模糊核的估计不过度依赖于图像内容，采用多尺度迭代方法求解。最后用正则化约束的非盲反卷积方法去除图像模糊。实验结果表明：与现有的几种去模糊算法相比，所提方法的去模糊效果不仅清晰自然且对不同样本图像的模糊核估计更稳定。

本文针对波前编码成像，单透镜计算成像等领域的全局一致模糊复原背景需求，提出了一种高效的基于区域选择网络的图像去模糊方法。与传统方法通过构建目标函数及各类先验信息实现模糊图像清晰化过程不同，本文方法则基于深度学习与传统方法的结合。传统方法负责图像复原的主体流程，深度学习方法则负责对传统方法中的关键步骤模糊核求取区域选择进行干预。基于深度学习的深度二元分类网络能够自动在全局图像中剔除平坦过曝、短小纹理等区域，并选取最优的用于模糊核求取的图块区域。传统复原方法则以此为基础实现模糊核求取，非盲图像复原及图像清晰化处理过程。实验结果表明：本文的复原方法能够实现良好的复原效果，纹理清晰，稳定可靠；所提出的区域选择网络能够在降低计算复杂度的同时，有效提升模糊核的估计准确度，进而提升图像清晰化的复原效果。在同等条件下，所提出的深度二元分类网络在误差率限定在1.5时，复原成功率较比现有方法提升了2.1%，同时复原图像的平均峰值信噪比较比现有方法提高了0.5 dB。

先进的图像盲复原方法主要体现在模糊核估计的准确性和快速性两方面。针对目前图像复原方法存在信息冗余和有效信息利用不足所引起的模糊核估计耗时长和不精确等问题，我们提出了加权 $ {L}_{1} $范数测度的模糊核区域估计及空可变复原方法。首先提取退化图像的多尺度形态学梯度，抑制噪声对图像有用信息的干扰；然后定义利于模糊核估计的梯度加权 $ {L}_{1} $范数测度，解决小结构区域和细纹理区域导致的模糊核求解不精确问题，提取利于模糊核估计的区域；最后利用区域模糊核的相似性区分图像退化的空不变性和空变性，分别采用空不变和空变复原方法对退化图像进行复原。在反卷积阶段，采用FFTW进行傅里叶变换计算，较大地提升了复原速度。大量实验结果表明，提出的算法仅用单帧图像就能够快速有效地复原图像。