直升机运动参数中的旋翼共锥度,可以为直升机的研制与维护提供指导意见,提高其测量精度,对保证直升机安全飞行有至关重要的作用。然而,在利用桨尖偏移量进行旋翼共锥度的测量过程中,由于旋翼高速旋转,导致桨尖线速度过大,图像出现局部运动模糊,影响了测量精度。为提高桨尖偏移量的测量精度,需要对桨尖图像进行去模糊处理。据此,本文利用深度学习,开展了直升机桨尖图像的去模糊方法研究,主要工作与成果如下:（1）针对现有方法去模糊速度慢和复原图像质量不佳的问题,提出了基于广度残差与像素点注意力的神经网络模型。首先,以编解码网络为基础,引入广度卷积与多阶残差方法,构建了广度残差模块,提高了模型处理速度;其次,采用局部平均与矩阵叉乘方法,构建了像素点注意力模块,使得模型对模糊区域进行操作而对非模糊区域不进行操作,增强了模型去模糊性能;再次,在公共数据集上,将本文方法与经典方法进行了实验对比,验证了模型的优越性,实验结果中峰值信噪比为31.74d B,平均运行时间为0.37秒,表明了模型的有效性;最后,开展了桨尖图像去模糊实验,验证了模型的适用性。（2）为进一步提高图像去模糊质量,关联模糊图像的空间与特征信息,提出了基于特征融合注意力的多尺度生成对抗网络去模糊方法。首先,对多尺度结构进行改进,得到改进多尺度的编解码结构,并应用到生成对抗网络,提高了模型的高频细节恢复能力;其次,通过全尺度特征融合模块与通道注意力模块,构建了特征融合注意力模块,将编码的全尺度特征与解码的同级特征进行拼接融合,进一步增强模型去模糊效果;再次,在公共数据集上,将本文方法与经典方法进行了比较,验证了模型的优越性,实验结果中峰值信噪比为32.55d B,表明了模型的有效性;最后,开展了桨尖图像去模糊实验,验证了模型的适用性。（3）设计了直升机桨尖图像的去模糊实验。在公共数据集上验证了本文去模糊方法的有效性之后,将本文方法用于对直升机桨尖图像进行去模糊。在桨尖图像上,广度残差与像素点注意力方法得到峰值信噪比为57.45d B,特征融合注意力的多尺度生成对抗网络方法得到峰值信噪比为60.42d B。验证了本文提出的运动图像去模糊方法,可以对直升机桨尖图像进行去模糊,得到清晰图像,为直升机运动参数的测量提供了保障。