随着科学技术的发展和生活水平的提高,高清图像在人们日常生活中的地位愈发重要,光学成像设备也日益精密。以单反相机为例,为保证图像质量,其镜头可能是十几个不同镜片的组合。光学成像设备的高精度设计,会导致镜头造价成本提高和体积重量增大。近年来新兴的计算摄像技术基于大量的计算,并结合数字传感器、现代光学和激励器,创造性地利用巧妙的光线来摆脱传统相机的限制^[1]。基于计算摄像技术的基本思想,本课题尝试对复杂的单反镜头进行改进,用只包含少量镜片的简单镜头,替换复杂的单反镜头,并设计相应的图像复原算法,对简单镜头直接拍摄图像中的图像模糊进行复原,从而尽可能地提高简单透镜成像系统的成像质量。本文的主要工作包括以下几个方面内容:（1）搭建简单透镜成像系统。在初步验证阶段,通过拆解现有复杂镜头得到简单镜头组,验证了简单透镜成像系统结合计算摄像思想的可行性;然后利用CODEV软件分别仿真设计出包含一、二、三、四个镜片的简单透镜成像系统,通过分析其光学设计结果二维图以及对应的调制传递函数（Modulation Transfer Function,MTF）曲线,探索新的简单透镜成像系统设计方式,寻求光学结构和图像复原算法的最佳结合点。（2）基于最大后验概率的盲卷积简单透镜图像复原方法。该方法将简单透镜成像系统图像质量提升问题直接转换为盲卷积图像复原问题。在最大后验概率MAP（Maximum A Posteriori,MAP）框架下,通过分析简单透镜成像系统点扩散函数（Point Spread Function,PSF）的空间特性和结构特性,在优化目标函数中,将模糊核结构先验与交叉通道先验相结合,并采用交替方向乘子法ADMM（Alternating Direction Method of Multipliers,ADMM）迭代优化算法求解目标函数。模糊核结构先验可以更好地体现简单透镜成像系统PSF的特性,所引入的交叉通道先验在一定程度上可以抑制图像复原结果中的色差现象。另外,针对简单透镜成像系统所拍摄图像中强光区域周围的色差,提出一种基于亮度（Value）图像索引计算强光区域,从而进行色差校正的方法,能有效消除强光区域周围的色差,提高图像质量。（3）基于噪声图像对的非盲卷积PSF估计方法。为进一步提高简单透镜成像系统PSF的估计精度,将简单透镜成像系统图像质量提升问题转换为非盲卷积图像复原问题。根据简单镜片的光学成像原理,并充分利用噪声图像丰富的频谱信息,采用基于噪声图像对的PSF估计方法。首先将棋盘格图像、纯黑图像、纯白图像以及噪声图像全屏显示在电脑屏幕上,然后利用角点检测方法得到模糊噪声图像与清晰噪声图像对,进而采用非盲卷积方法估计出简单透镜成像系统的PSF,再依据所估计的PSF进行非盲卷积图像复原。与常用盲卷积PSF估计方法相比,所提方法能有效提高简单透镜成像系统PSF估计精度,进而提高最终图像复原质量。（4）基于频域矩阵分解的非盲卷积图像复原加速算法。传统的频域非盲卷积图像复原方法在处理大幅图像时无法满足计算实时性的需求,本方法尝试运用频域矩阵分解的方法对其算法进行加速。首先将模糊图像的频域矩阵拆分成一系列基的线性组合,用现有非盲卷积算法对每个基进行处理,并保存处理之后的基,对于新的模糊图像,将其同样拆分成基的线性组合,得到其对应的线性组合系数,则可由线性组合系数与所保存的基进行简单的乘法与加法操作得到复原清晰图像。实验结果表明,所提出方法能与现有非盲卷积算法获得相同或相近的复原效果,但是图像处理速度可以提高40%左右。（5）基于编解码网络的简单透镜端到端图像复原方法。构建简单透镜成像系统的半仿真深度学习数据集,该数据集能有效避免图像采集过程中的误差对数据集精度的影响。所提残差编解码深度卷积网络的编码部分逐步生成各个层次的特征图,解码部分基于输入图像和编码部分的特征图做进一步分析和处理,同时,将残差学习与编解码网络架构相结合,在每个分辨率层次采用编码单元对提取和处理图像特征,有利于提高网络的学习能力,促进训练过程中的梯度传播。采用L2范数损失函数对网络的训练过程进行监督。实验结果表明,在仿真数据集上,所提方法能够取得比传统复原方法更好的图像效果,同时大大缩短图像计算时间,针对简单透镜实际拍摄的模糊图像,也能取得与传统图像复原方法相当的去模糊效果。