随着对宽覆盖地面卫星图像需求的不断增加，大视场航天相机成为航天技术领域研究的重点和热点。大视场航天相机的研制要耗费巨大的人力物力资源，其主要目的是获取高质量宽覆盖的遥感图像，因此图像质量是大视场航天相机成败的关键。大视场航天相机通过多片CCD拼接和多通道成像的设计来获取宽覆盖的地面图像，每一片CCD作为一个成像通道单独生成一幅数字图像。由于各片CCD之间存在拼接重叠像元，因此地面获取的各通道图像之间不连续，相邻通道图像之间有一定的重叠区域。在大视场航天相机的成像过程中，由于CCD传感器性能、卫星平台振动、成像系统离焦、大气湍流作用等因素的影响，会造成遥感图像退化，在现有的技术条件下，无法在相机上附加完善的星上图像处理系统，因此地面获取的各通道图像均存在退化变模糊现象。为了获得覆盖整个大视场的连续无缝宽覆盖图像，并尽可能提高宽覆盖图像的质量，必须对各通道图像进行质量退化复原和连续无缝拼接复原。结合大视场航天相机各通道图像不连续且存在质量退化的特点，本文从两个方面进行图像复原研究，首先针对各通道图像的退化问题进行图像质量退化复原，以得到细节更清晰的图像，使感兴趣的目标更易识别；其次对提升清晰度后的各通道图像进行连续无缝的自动拼接以得到最终的高质量宽覆盖图像。本文所处理的遥感图像数据量巨大，在保证图像质量提升效果的前提下，时间开销是设计图像复原算法过程中需考虑的一个关键问题。针对各通道图像退化问题的质量退化复原是本文的研究重点。详细分析了大视场航天相机遥感图像质量退化的原因，建立了图像退化和复原的模型，将其复原过程分为去噪处理和反卷积处理两个步骤实现。去噪处理过程中，提出结合奇异点检测的改进陷波滤波器法和自适应小波软阈值去噪法实现了遥感图像中条带噪声的消除，在去除噪声的同时尽可能地保留了图像的边缘特征信息。反卷积处理过程的关键是在轨点扩散函数(Point Spread Function, PSF)的估计。本文采用刀刃法利用遥感图像中具有刀刃特征的子图像来估计成像系统的在轨PSF，提出对边缘扩散函数(Edge Spread Function, ESF)进行Fermi拟合来保证PSF估计的精度。得到成像系统的在轨PSF后，以它为参数，采用性能良好且时间开销小的维纳滤波算法进行反卷积处理，提出基于边缘检测的最优窗维纳滤波算法克服了直接维纳滤波导致的寄生波纹和振铃波纹现象，质量退化的各通道图像经该算法处理后，清晰度明显提升，视觉效果良好。实验表明，复杂地形遥感图像被复原后，其清晰度评价指标灰度平均梯度(Gray Mean Grads,GMG)从4.755提高到11.333，拉普拉斯和(Laplacian Sum, LS)从18.676提高到58.493，图像质量得到大幅提升。经过去噪处理和反卷积处理后，各通道图像的质量退化现象被复原，图像清晰度提高，特征更易提取和识别，提高了各通道图像连续无缝自动拼接的成功率和效率。本文将各通道图像连续无缝的自动拼接过程分为图像配准和图像融合两个步骤实现。提出基于轮廓的最优步进模板匹配算法实现配准，该算法执行时间约为传统模板匹配算法的0.85%和SSDA算法的1.3%，是一种适合大视场航天相机遥感图像的快速配准算法。融合算法采用渐入渐出法，该方法实现简单，计算速度快，消除拼接接缝的效果好，适合数据量巨大的遥感图像融合处理。