视觉信息处理在林业机器人的智能化研究中发挥着重要作用,林区环境下的运动模糊图像恢复问题是林业机器人的视觉信息处理中的重要问题之一。林业机器人作业时产生的滑动或是抖动会导致林业机器人获取的活立木图像存在运动模糊,所以对活立木的彩色模糊图像进行去模糊有很强的必要性。目前的大多数图像去模糊方法往往针对自然条件下的一般图像或是特定类型的图像,对林区活立木的运动图像去模糊方法研究较少,而林区环境的复杂性和活立木图像先验特征的独特性为活立木运动模糊图像的去模糊问题提出挑战。本文的研究对象是活立木运动模糊图像的去模糊方法,针对活立木图像的特点,基于最大后验概率模型(MAP),对图像去模糊模型进行研究,主要研究成果如下:1.提出了基于拉普拉斯算子的活立木运动模糊图像的盲复原算法。通过对活立木特征的分析,利用拉普拉斯梯度改变了传统的全变分去模糊方法的代价函数模型。实验结果表明,算法具有收敛性,相比于其他算法,各项性能指标都有所提升,能够有效解决活立木运动模糊图像的去模糊问题。2.提出了基于图像局部边缘的活立木彩色运动模糊图像盲复原算法。方法利用图像的局部信息提取显著边缘,该边缘提取方法具有旋转不变性,同时可以有效提取模糊图像的边缘。在MAP框架下,构造了一种基于图像局部边缘的去模糊模型。该方法解决了活立木图像去模糊问题里强边缘提取存在的问题,是一种有效且高效的方法。3.提出了基于彩色图像梯度的活立木彩色运动模糊图像的盲复原算法。在具有颜色恒常性的rgb正交彩色空间中提出了一种彩色梯度提取方式,结合8方向的梯度算子构建图像去模糊代价函数模型。与其他方法相比,取得了较为先进的效果。同时,针对现有方法的不足,提出了解决方案,下一步的研究将在提升算法效率,解决非均匀运动模糊恢复,和基于深度学习的图像去模糊方法上进行进一步的研究。