图像复原的研究在图像处理研究初始就已经开始了,但是由于图像未知的退化过程,以及逆过程的病态性,使得图像复原十分具有挑战性,至今仍是一个被大量研究的热点方向。按照图像退化的基本理论,图像复原可分为点扩散函数的估计和非盲反卷积两个步骤。本文在这两个步骤上都实现了创新。现有点扩散函数的估计方法有使用单图像的估计,也有使用多图像的估计。本文的方法属于采用多图像的估计,该方法可以使用一张快速曝光的噪声图像来复原多张运动模糊图像。通过提取模糊图像和噪声图像中局部相同对象的透明度,本文算法可以有效地估计模糊图像的点扩散函数。在已知点扩散函数的情况下,使用非盲反卷积算法即可复原出清晰图像。非盲反卷积是一个相对成熟的研究方向,但是研究表明,即使采用精确的点扩散函数作为输入,现有的反卷积也无法避免结果中存在的伪迹。本文在对图像融合研究的基础上,通过实践创新性地将图像融合加入到经典反卷积算法中,使得在反卷积过程中,去模糊的同时也抑制反卷积产生的伪迹,最终生成的结果图像效果优于经典反卷积算法的结果。综上所述,本文的工作和创新点可以归纳为:1.充分利用多图像复原的信息量多的优势,提取模糊图像和噪声图像中局部物体的透明度,并通过两者求解出模糊图像的点扩散函数。算法可以输入多张同场景的模糊图像,并对多张模糊图像进行复原。2.将图像融合加入到反卷积过程中,极大地抑制反卷积过程中产生的伪迹,使得结果图像中恢复的信息更加准确清晰。3.采用局部物体的透明度,而非完整图像的灰度值。减少计算量的同时,使得前景模糊的图像(背景模糊)也可以处理。实验研究表明,本文提出的方法有效并且复原效果良好。