高分辨率遥感图像的分析与解译,在军事判读上的应用价值十分高。在军事图像判读上,空间结构信息对遥感图像信息的提取和分析是最重要的。但是遥感成像过程中,由于受到系统自身限制和成像环境因素的影响,造成了系统信息传递能力的下降,使最终获得的图像变得模糊,这对于图像信息的判读是极为不利的。图像复原技术是根据图像退化过程建立相应的数学模型,沿着使图像质量下降的逆过程复原退化图像真实面目的一种图像处理技术,是图像配准、目标提取等后续图像处理技术的基础,它能够在一定意义上提高系统的信息传递能力。首先,本文通过对造成遥感图像质量下降的几个重要因素(大气交叉辐射、光学系统非理想成像、CCD器件影响)的分析,建立了相应的成像降质的数学模型。经分析发现这些降质因素的数学模型可归化为两类线性方程组——基于线性空间不变模型形成的降质方程组和基于线性空间变化模型形成的降质方程组。其次,根据图像复原问题(也即方程组的求解问题)的特点,提出了采用多重网格迭代算法的求解方法,详细论述了多重网格算法的基本思想、流程、参数选择问题,并对经典的多重网格算法进行了改进,提出了使用共轭梯度迭代作为光滑迭代步的多重网格算法(Multigrid Method using Conjugate Gradient as soothing iteration,MGMcg),给出了算法在处理基于线性空间变化成像降质模型复原问题中的具体实现技术。最后,为了验证算法的有效性,分别进行了数字仿真实验和半实物仿真实验。数字仿真实验结果验证了算法的可行性,并通过与经典的共轭梯度法处理结果的比较,说明了算法在收敛速度方面的优越性;搭建了基于线性空间变化成像降质模型的半实物仿真实验平台,在此平台基础上进行了线性空间变化成像系统点扩散函数测量实验,同时生成了待处理的退化图像。利用文中提出的基于线性空间变化成像降质模型的MGMcg算法对得到的降质图像进行处理,结果证明了算法的有效性,通过与基于线性空间不变模型的MGMcg算法处理结果对比,说明了基于线性空间变化模型算法的优越性。