图像复原在工程领域有着广泛应用前景，其技术发展一直是关注的焦点。图像复原的高度复杂性和工程实践中高速处理需求形成矛盾，并严重制约了其在实时处理场合的应用与发展。因此，实时图像复原技术的研究具有重要意义，目的是在保证复原质量的前提下，满足实时处理场合的图像复原需求。本文紧密围绕实时图像复原的主要技术难点，开展相关理论和方法研究，以期取得快速复原算法和高速硬件实现两方面的研究成果。　　离焦和G类模糊是由成像系统本身造成的普遍降质，具备有效先验信息，可通过基于降质估计的算法实现快速复原。提出基于自解卷积数据重建(SeDDaRA)的离焦和G类降质图像复原算法，采用常参数的自解卷积法降质估计和Wiener滤波实现低计算量的复原处理。算法效果良好、计算快速且适用性好。SeDDaRA算法单步逆滤波对强降质图像复原效果有限，提出了基于自解卷积和增量Wiener滤波的迭代复原算法(SDIWF-IBD)。将自解卷积法扩展到迭代盲目反卷积以估计降质，采用增量Wiener滤波保证算法收敛，并利用内迭代加速控制收敛速度。算法收敛稳定可控，计算快速，能够有效复原强降质的离焦和G类模糊。　　外界环境随机变化导致的复杂降质，不确定因素较多。根据概率理论下的迭代盲复原机理，提出基于矢量外推的乘性迭代算法(VE-MIA)。利用矢量外推法预测迭代矢量并增大步幅，加速了算法迭代前进。在同等像质改善情况下，VE-MIA可减少30％-50％的迭代次数，有效提高了单帧图像迭代复原效率。提出面向图像序列复原的“两步式”乘性迭代算法(TS-MIA)，利用目标图像短时不变特点，由前帧图像复原估计为后续帧提供迭代初值，从而缩短迭代路径。TS-MIA达到良好复原效果所需迭代少于20次，实现了图像序列的快速迭代复原。　　研究了基于时频域处理的图像复原算法的计算共性，针对算法以二维FFT-正/反变换(2D-FFT/IFFT)和频域复值运算造成数据计算复杂度的特点，提出了二维FFT正/反变换快速计算方法。利用实信号傅里叶变换周期对称性和共轭对称性，可减少约40％计算量和50％的存储需求，进而设计了2D-FFT/IFFT快速计算模块。普通查找表(LUT)对频域数据的特殊函数计算无效，提出了基于误差权重的分段式LUT。以平均误差为权重分配子区间采样点，有效适应了频谱数据的不均匀分布。由此设计的特殊函数快速计算模块，具备存储空间小，查表误差低的特点。　　设计了实时图像复原硬件处理平台，基于多浮点DSP并行的复原阵列结构使其具备高浮点性能和大容量存储。由图像复原算法的时频域处理特点，提出基于时频域计算的模块化算法流程，可有效调用算法核心计算模块且有宽适性，能够指导复原算法移植的模块划分。提出了基于共享数组的内存优化方法，通过分析数据寿命和存储峰值实现共享数组复用，提高了DSP内存利用率，可适应高分辨图像的处理。　　结合快速复原算法和高速硬件实现方法，设计了基于SeDDaRA算法和基于TS-MIA算法的实时图像复原系统。分别对256×512像素每秒50帧和128×128像素每秒25帧的降质视频完成了实时复原，其处理稳定且复原效果良好。本文研究成果可推广到工程应用，为实时图像复原提供关键技术支撑。