图像复原是利用退化现象的某种先验知识(退化模型),按退化的逆过程重建图像的技术。噪声干扰和运动模糊是工程中常见的两种退化类型,本文研究了噪声滤波和运动模糊参数识别算法,以及这些算法在RFID倒装设备飞行视觉系统中的应用。椒盐噪声严重降低了图像质量,其滤波性能的好坏直接影响后续图像处理的结果。本文提出了一个基于数学形态学的高污染椒盐噪声滤波算法。首先采用开、闭运算检测图像中的噪声并分类;然后针对检测到的椒噪声和盐噪声,设计相应的形态学滤波器;对滤波图像中的黑斑和白斑则采用一个简单的智能斑点擦除算法;最后加权求和形成开闭序列(OCS)滤波算法。仿真结果表明,与其他算法相比,该滤波算法能够有效地检测和滤除图像噪声,并保留更多的图像细节。深入研究了图像匀速直线运动模糊的点扩展函数,提出其关键参数(模糊方向和模糊长度)识别的频域方法和微分方法。频域方法:通过分析模糊图像频谱图中的暗条纹特性,揭示了模糊方向与其垂直的关系,采用基于Radon变换的极大值(MRT)识别模糊方向;通过实验建立了模糊长度与暗条纹间距的反比例数学模型(IPM),并由运动方向上的Radon变换测定暗条纹间距。微分方法:采用双线性插值技术计算方向微分,模糊方向对应于图像最小方向微分(MDD);定义水平方向上微分图像的自相关,由微分自相关间距(PDA)计算模糊长度。研究了噪声对频域方法和微分方法的影响,并比较了两个方法的性能。实验表明,频域方法计算简单,结果准确,但有噪声污染时效果较差;微分方法不但计算准确,还具有一定的抗噪声能力。设计了面向RFID装备的飞行视觉系统,所提出的OCS滤波算法、模糊参数识别的频域方法和微分方法都在其中得到应用。依据识别参数利用维纳滤波复原图像,并进行了模板匹配实验。应用实例表明,本文的图像复原技术可有效改善图像质量,提高匹配的准确度和精度。