运动模糊图像复原是图像处理领域中的一个重要课题，对图像的进一步应用具有很大的作用。运动模糊图像复原在各个领域中应用广泛，比如交通监控系统。随着经济的快速发展，机动车的数量不断的增加，给交通监控带来很大的困扰。在交通监控系统中，由于车辆高速运动，拍摄的车牌图像经常会发生运动模糊，运动模糊图像会给后续的图像分析及目标识别带来很大困难。本文主要针对发生运动模糊的车牌图像进行研究,主要的研究工作如下：（1）对比分析了逆滤波、维纳滤波和Lucy-Richardson算法等三种复原方法对模糊图像的复原效果及各自的优缺点。针对复原后的图像中存在振铃效应的问题，提出了利用模糊图像边界镜像延拓的方法抑制振铃效应产生的方法。通过仿真实验结果表明，镜像延拓对振铃效应的抑制效果明显。（2）运动模糊图像复原的关键是模糊函数，一个准确的模糊函数可以使得复原图像更接近于原始图像。然而实际拍摄的模糊图像的模糊函数是未知的，因此在复原过程中需要准确的估计出运动模糊函数。根据直线运动模糊图像的频谱特征，本文提出了利用Hough变换检测运动模糊角度，利用微分自相关函数曲线估计运动模糊长度的方法。对人工模糊的运动模糊图像进行仿真实验，实验结果表明该方法对运动模糊参数的估计准确度高，误差小。利用该方法对实际获取的运动模糊图像进行参数估计，并采用维纳滤波复原方法进行图像复原，获得的复原图像效果良好。（3）为了对车牌图像进一步应用，本文对复原后的车牌图像从车牌定位、车牌字符分割和车牌字符识别三大方面进行研究。首先利用数学形态学的方法对车牌区域进行定位，然后利用车牌图像投影曲线和字符固有特征对车牌字符进行分割，最后采用模板特征匹配的方法对字符进行识别。在进行模板特征匹配时，汉字和数字字母采用不同的特征。汉字主要提取笔划穿越特征和能量值密度特征和模板特征进行匹配，数字字母提取左右轮廓特征和能量值和模板特征进行匹配。MATLAB仿真实验结果表明，本文使用的方法识别效果较好。