粉尘环境中的图像恢复是一项开创性的工作,目前这方面的研究成果甚少,然而这一问题却有着重要的研究意义,其研究成果可以广泛地应用于救灾、交通、安全生产、农业乃至军事等领域。本文针对粉尘环境中的图像恢复开展了如下研究：(1)对粉尘这种常见的物质进行了概述,对粉尘进行了定义与分类,指出了粉尘所具有的物理特性。用实例说明粉尘对图像亮度、对比度与清晰度的影响。目前,由于对雾、霾环境中图像清晰化研究成果较多,因此,作者对雾、霾环境中图像清晰化现状进行了较为详细的综述与分析,目的是考察此类图像清晰化的研究思路是否对粉尘环境中图像恢复的研究能够有所借鉴。最后形成粉尘环境中图像恢复的研究方法。(2)粉尘对图像的影响源于粉尘对光线的散射与吸收,因此本文首先对单个粉尘颗粒相关光散射特性进行了研究,从理论上对单个粉尘颗粒产生的散射光强、散射光传播方向以及颗粒对入射光能量的吸收情况进行了分析,并通过自编的Mie散射程序加以模拟验证,进而得出单个粉尘颗粒的相关光散射特性,为建立粉尘环境中图像的退化模型提供了光学理论依据。(3)在单颗粉尘光散射特性的研究基础上,进一步开展了光线在粉尘介质中的传输研究,首先,对粉尘介质进行了独立性与同质均匀性假设,在此基础上,用多散射理论对粉尘的光传输过程进行了理论分析,找出了光强在传输过程中发生变化的规律,以及对成像的影响；然后,本文提出了基于一级多散射模型的粉尘环境中的图像退化模型；最后,用此图像退化模型进行了图像的合成,为验证粉尘环境中图像恢复算法提供了实验素材。(4)根据粉尘环境中图像退化模型,研究了粉尘图像恢复算法。首先介绍了暗元色原理,用实验证明了暗元色在自然界中的广泛存在；其次,在粉尘环境中图像退化模型的基础上应用暗元色原理推出了基于单幅图像的图像恢复公式,同时也得出了图像的深度图；接着,通过实验说明了图像恢复公式中各个参数对图像恢复效果的影响；然后,根据客观图像质量评价理论,提出了一种新的基于阈值-Kirsch算子的图像质量评价函数,并以此为标准,应用GA算法对各个参数进行优化,从而得出了最优的图像恢复结果；最后,用实验证明了本算法有效地去除了图像中粉尘的影响,揭示了更多的边缘信息,为目标自动识别提供了依据。(5)将粉尘环境中的图像恢复算法进行了应用研究。使用可见光视觉传感器的救援机器人,往往会遇到粉尘环境的干扰,这给救援机器人的障碍物检测与识别造成了困难。本文通过像机的几何模型与粉尘环境中图像的深度图,实现了用单像机、单幅图像,对任意形状,任意时刻障碍物的距离检测,并由此得到图像中每一点相对机器人的三维坐标。此外,通过粉尘环境中的深度图,还可以实现对图像中深度边缘的识别,从而实现对障碍物检测的目的。最后,本文通过实验,验证了这种方法的可行性与有效性,为救援机器人在粉尘环境中识别障碍物,提供了一种简单经济的方法。