数字图像在形成、传输和记录过程中,由于受多种因素的影响,其质量会有所下降。引起图像退化的因素有很多,如大气湍流效应、传感器的非线性、光学系统的像差、成像设备与物体之间的相对运动等。数字图像复原是数字图像处理中的一个重要分支,它的主要目的是改善退化图像的质量。运动模糊图像产生的原因是由于成像设备与目标物体在曝光时间内有相对运动而产生的模糊。运动模糊图像复原技术具有广泛的应用领域,近年来已经成为国内外图像界研究的热点问题之一。 本文深入分析与研究了运动模糊图像的成像原理,建立起图像的退化模型及复原模型。通过讨论,总结得出准确建立点扩展函数是影响运动模糊图像复原结果好坏的关键问题,而点扩展函数里有两项重要的参数：模糊角度和模糊尺度,只要能准确估计出这两项参数,则可以得到点扩展函数的具体形式。对此,国内外的研究已经提出了多种运动模糊参数识别法。本文在文献[1]的基础上,对其提出的基于霍夫变换的模糊角度识别法及基于一维傅立叶频谱的模糊尺度识别法分别进行了改进。对于模糊角度的识别,本文在原算法的基础上,增加了预处理操作,并将霍夫变换操作中的只寻找累加值最大点改为寻找累加值较大的三个点再取加权均值；对于模糊尺度的识别,本文在原算法的基础上,同样增加了预处理操作,并应用了文献[2]所提供的平行暗线间距d和模糊尺度L的关系式来计算模糊尺度L。 实验结果表明,本文的改进算法比原算法的结果更精确,也更为稳定。最后的运动模糊图像复原实验,通过应用维纳滤波,显示了经过本文的改进算法进行运动模糊参数识别后,能得到较原算法更为清晰的复原结果。