遥感影像中经常存在模糊退化和死像元、条带噪声等非均匀性噪声,两类退化互相耦合,严重降低图像质量,制约遥感影像后续应用。因此,非均匀性噪声干扰下图像去模糊问题,具有相当的研究价值和意义。不同于单一的非均匀性噪声退化或模糊退化,两类退化耦合导致难以依次单独地处理某一退化,如何解除非均匀性噪声退化与模糊退化的耦合,兼顾非均匀性噪声校正与去模糊,是该图像复原任务的难点所在。本文针对死像元与条带噪声这两种非均匀性退化与模糊的耦合问题,分析退化特性,建模退化过程,建立非均匀性噪声/模糊联合校正框架,解决遥感影像中非均匀性噪声与模糊退化耦合问题。针对死像元干扰下图像非盲去模糊问题,本文利用死像元的离群特性,准确建模死像元退化过程,并将其融入噪声/模糊联合校正优化模型,自适应地估计死像元位置,并将其用于噪声/模糊联合校正,摆脱传统死像元恢复方法对死像元位置信息的依赖。仿真实验和实测实验验证表明,联合校正方法能有效地抑制振铃现象,明显优于独立地进行死像元复原和非盲去模糊,图像质量评价指标PSNR平均值相对次优算法提高2.32d B。针对条带噪声干扰下图像盲去模糊问题,本文采取数据驱动与模型驱动相结合的策略,利用条带噪声特有的方向特征,建立基于单方向变分正则化优化模型,估计模糊核,再辅以数据驱动方法对估计的模糊核加以校正,得到准确的模糊核估计,最后建立噪声/模糊联合校正优化模型,进行条带噪声干扰下非盲去模糊过程,完成图像复原。实验表明数据驱动与模型驱动相结合的条带噪声干扰下图像盲去模糊算法优于其他对比算法,PSNR平均值相对次优算法提高2.79d B。