随着现代化林业的发展,林业装备智能化成为必然趋势。对于林业机器人来说,机器视觉系统成为获得作业环境信息和实现智能化的重要途径。但由于林区作业环境复杂多变、道路崎岖不平、障碍物多等因素,都难以避免地会使林业机器人产生颠簸和振动,使其视觉系统拍摄的林业图像产生运动模糊,从而严重影响后续的识别、重建等作业任务。因此,对林业运动模糊图像的复原方法进行研究十分必要。目前的模糊图像复原方法大多都针对一般的自然图像或者是其他特定领域的模糊图像,针对林业模糊图像复原的研究较少。林业图像细节纹理丰富,具有特有的先验特征。基于林业图像的独特性,本文对林业运动模糊图像复原问题进行了研究:1.针对林业图像中存在的丰富边缘纹理,提出了基于边缘选择和稀疏表达的模糊图像复原方法。算法通过拟合林业图像的梯度分布规律,将图像梯度分布的超拉普拉斯先验与分块稀疏表示相结合。通过全局梯度约束增强相邻像素之间的平滑度,有效减轻了稀疏表达容易产生分块边缘处伪影的缺点。并且,算法采用了一种有效边缘选择方法,并引入了中间图像进行迭代,降低了林业图像中复杂繁多的纹理对模糊核估计的干扰,提升了模糊核估计的精确度,实现了对林业灰度模糊图像的有效复原。2.考虑到林业图像边缘纹理丰富的尺度变化,结合具有尺度不变性的归一化范数先验项和模糊核约束项,构造了模糊核求解模型。再将图像梯度分布的超拉普拉斯先验与分块稀疏表示相结合作为图像非盲复原算法,提出了林业运动模糊图像的融合正则化复原方法,在彩色林业模糊图像上取得了良好的复原效果。3.由于林业图像容易受光照影响,而图像颜色信息具有恒常性,因而在RGB颜色空间中提出了基于边缘处彩色小块的彩色运动模糊图像复原方法。算法通过分析图像显著边缘处图像小块的颜色像素点分布变化,结合双色模型提出了加权颜色正则先验项,并以此构造了模糊核估计模型。采用彩色图像小块进行计算,能够充分利用图像中的颜色信息以及近邻像素点之间关系,使估计模糊核更加准确,估计效果更稳定。4.根据林业图像中存在的大量同尺度及跨尺度的重复信息,提出了基于跨尺度非局部相似块的图像去模糊方法。算法提出利用缩小后的模糊图像比原图像清晰的先验特征来约束去模糊过程,并利用图像强度构造了基于跨尺度非局部相似块的低秩约束（CS-NSP）先验项。通过结合图像梯度的CS-NSP约束和梯度的稀疏性约束,分别提出了CS-NSP*2算法和速度更快的CS-NSP-L0算法。在测试集上的复原效果展示出提出算法能够有效对林业模糊图像进行复原,且在林业图像细碎结构多的部分效果更具优势。