图像是重要的信息载体,计算机图像处理技术促进了人类科技的发展,提高了人类生产生活水平。计算机图像处理技术已应用在航空航天、道路交通、生物医学、工业检测,通信和安防等诸多领域。目前因曝光时间长,成像系统振动而造成图像模糊的现象十分普遍,在机械装置无法完全抑制振动的情况下,如何获取清晰的图像成为关键所在。为了解决上述问题,本文将利用图像处理技术实现图像的去模糊,通过累加仅存在平移关系的多张短时曝光图像将能得到高信噪比的图像,从而达到图像去模糊的目的。首先,本文介绍了关于图像配准的一些理论知识,并对基于点特征的特征提取算法做了对比分析,为后续利用这些算法并对其改进做铺垫。随后本文设计了去模糊处理算法流程,去模糊算法主要分三步进行:第一步,选择SURF算法提取图像的特征点并进行匹配,然后剔除伪匹配点对。第二步,在选取的匹配点周围开窗,在窗口中使用矩阵相乘离散傅里叶变换法实现亚像素级偏移量的估计,并取所有偏移量的平均值作为最终的偏移量估计值。第三步,通过插值放大、平移、累加的方式实现多张短时曝光图像的叠加,最终得到一幅清晰的图像。其次,本文针对去模糊算法涉及到的图像插值算法进行了改进。改进的插值算法是由两种传统插值算法加权融合得到的。改进的插值算法削弱了灰度变化率对双三次插值算法的不良影响,同时又发挥了最近邻插值算法的高通滤波特性,从而达到降低对边缘细节的过度平滑、提高插值后图像质量和提升视觉效果的目的。再次,针对去模糊算法涉及到的SURF算法进行了改进。传统的基于SURF算法的匹配存在特征点过多和伪匹配的问题。为了提高匹配效率和正确率,改进的SURF算法首先进行了特征点数量的优化,并利用斜率约束进行伪匹配点对的剔除。在斜率约束去除明显错误的匹配后,再利用RANSAC算法进一步消除错误匹配。实验结果表明,改进的SURF算法可以显著提高短时曝光图像特征点对的匹配效率和匹配正确率。最后为了验证本文去模糊算法的稳定性和有效性,采用商业数学软件按照去模糊处理算法流程进行了仿真实验。结果表明,本文提出的去模糊处理算法可以在一定程度上改善图像的模糊现象。