高端装备智能制造正向着自动化、智能化飞速发展,高端装备生产装配过程中其构件的准确检测是智能制造实现的关键,计算机视觉因其非接触和高精度的特点被广泛应用于构件的检测,被测构件图像的质量直接影响着被测构件视觉检测的准确性。在被测构件的成像过程中,成像系统的离焦、相对运动和镜面高光会造成被测构件图像的混合退化。现有的图像复原方法大多针对图像中存在单一退化情况进行处理,难以准确实现混合退化的被测构件图像复原,因此研究多因素混合退化的被测构件图像复原方法具有重要的意义和应用价值。本文在分析图像模糊模型和二色反射模型的基础上,针对模糊造成的被测构件图像的质量下降,根据被测构件图像局部较为均匀的特点,提出了一种基于局部熵先验的被测构件图像盲解模糊方法,该方法基于图像模糊过程中局部熵会显著增加这一特性,将局部熵转换为线性算子建立一个新的解模糊模型,通过采用半二次分裂法引入辅助变量,采用交替最小化方法实现该模型的求解,在金字塔结构的基础上通过交替最小化由粗到细,实现模糊核的准确估计,最终实现图像解模糊;针对镜面高光造成的被测构件图像的质量下降,根据被测构件图像局部颜色变化均匀且消色区域和彩色区域镜面高光同时存在的特点,提出了一种空间约束聚类的被测构件图像镜面高光分离方法,该方法在伪色度空间中对像素进行空间约束聚类,在保证簇中色度相近的同时分离彩色像素和消色像素,并采用修正后的强度比和亮度直方图统计对彩色像素和消色像素的镜面反射分量进行准确估计,结合二色反射模型实现图像镜面高光分离;针对模糊和镜面高光同时存在造成的被测构件图像的质量下降,构建了多因素混合退化的被测构件图像复原方法,该方法通过成像原理分析镜面高光和模糊引起的图像退化成因,并结合二色反射模型、图像模糊模型构建被测构件图像混合退化模型,在混合退化模型的基础上,将基于局部熵先验的被测构件图像盲解模糊和空间约束聚类的被测构件图像镜面高光分离相结合,实现了被测构件图像复原。标准图像和被测构件图像实验结果表明,基于局部熵先验的被测构件图像盲解模糊方法能够有效地去除被测构件图像模糊,相较于现有的解模糊方法在减少时间消费的同时有更好的解模糊效果;空间约束聚类的被测构件图像镜面高光分离方法能够有效分离被测构件图像镜面高光,相较于现有的镜面高光分离方法,在彩色区域和消色区域同时存在镜面高光的情况下得到了更好的镜面高光分离效果;通过将基于局部熵先验的被测构件图像盲解模糊和空间约束聚类的被测构件图像镜面高光分离相结合,所构建的多因素混合退化的被测构件图像复原方法能够有效实现被测构件图像的复原,提高被测构件图像质量。