图像恢复是从所得的退化图像中复原出原始清晰图像的过程与方法。运动模糊是退化图像最常见的模糊形式,运动模糊图像的恢复也是图像处理中一个重要的分支。造成图像退化或图像模糊的原因很多,如果是由于在成像的过程中摄像设备与被摄场景之间的相对运动而造成的图像模糊就被称为运动模糊,由此形成的图像被称为运动模糊图像。运动模糊图像在日常生活中普遍存在,给人们的实际生活带来了很多不便。如何处理运动模糊图像,还原真实图像,成为一个亟待解决的问题,也是当今国内外研究的热点问题之一。从1976年以来,很多研究者提出算法进行线性运动模糊参数的估计。这些算法在噪声环境下有着不同的特性、时间复杂度、精确度和鲁棒性。图像恢复的目的就是根据图像退化的先验知识,即运动模糊图像的点扩展函数(PSF),找到相应的反过程来处理图像,从而尽量恢复出原始清晰图像。这类图像的恢复高度依赖于对运动模糊参数的估计,在估计出运动模糊参数后,选择适当的图像恢复算法对运动模糊图像进行还原。本文通过深入研究运动模糊图像的点扩展函数,采用自适应滤波方法,去除噪声对自相关函数的影响；在查找线性的基础上,使用霍夫变换估计运动模糊角度Φ,并通过傅里叶变换和逆傅里叶变换估计运动模糊长度L,从而估计得出运动模糊图像恢复所需的参数,为图像的恢复做好准备。最后,在估计出运动方向Φ和运动长度L的基础上,选择适当的图像复原算法——维纳滤波,对运动模糊图像进行还原。对逆滤波、维纳滤波、Lucy-Richardson法和偏微分方程法四种图像恢复算法进行原理分析和实验比较,总结各算法的优缺点。其中维纳滤波法对一族图像在统计平均意义上给出的最佳恢复,对噪声放大有自动抑制作用,且噪声越强,作用越明显,避免了在逆滤波中出现的对噪声的过多放大作用。所以,最终选择维纳滤波法对运动模糊图像进行图像恢复。本文在对图像预处理、参数估计、复原算法研究的基础上,提出了一种基于频域和空间域的运动模糊图像恢复算法,该算法的核心是对运动模糊参数的估计,在估计出运动模糊参数的基础上,采用维纳滤波法对运动模糊图像进行复原,并在Matlab平台上对该算法进行仿真实验,并给出仿真实验结果及结果分析。仿真实验中处理的图像包括理想图像和实际图像,均收到比较理想的效果。实验表明,本算法最大的优点是计算量小,精度高,在噪声图像中有很好的鲁棒性和精确度。通过对运动模糊图像复原的一些基础和关键的技术进行了研究和初步探索,由于时间和水平的限制,本课题还有待进一步深入研究。客观地讲,运动模糊图像的复原有着相当广泛的应用前景和重要的实用研究价值。