无人机具有体积小、使用方便以及生存能力强等优点,广泛应用在军事、民用等多个领域中。军事领域无人机在执行任务过程中容易受到相对运动、成像设备、恶劣天气等因素干扰,使拍摄到的图像出现模糊、色彩失真等现象,严重影响了后期情报分析,因此需对模糊图像进行处理,提高图像质量。针对无人机侦察图像的实际应用问题,本文做了以下工作:（1）基于图像金字塔的多尺度空间构建。为了提高估计的模糊核精度、保存更多的图像边缘细节,使用一种多尺度模型求解策略。使用图像金字塔构建多尺度空间,金字塔采取逐层下采样法来降低图像分辨率,空间层数根据模糊核尺寸自适应选取,最后在尺度空间中迭代求解构建的正则化复原模型。（2）基于局部加权全变差的显著边缘提取。为了提高显著边缘的细节,使边缘更加清晰,本文将局部加权全变差模型进行改进,首先使用分数阶梯度算子计算图像的梯度,然后将计算得到的梯度幅值引入权重模型完成图像显著边缘的提取。通过实验表明针对模糊图像基于分数阶梯度算子的局部加权全变差显著边缘提取相较于其他算法,提取的图像边缘细节更加突出。（3）基于混合正则化约束的模糊核模型构建。为了得到更为精确的模糊核,本文对全变差模糊核模型进行改进,在模型中引入H¹范数和₁L范数保证了模糊核的平滑性和稀疏性,然后又加入₂L范数确保了模糊核的连续性,又将高阶全变差模型引入,进一步提高了复原图像的平滑性,最后根据模糊核的特性对模糊核进一步约束,使估计的模糊核更加精确。（4）基于超拉普拉斯先验的复原图像模型构建。为了提高复原图像的边缘细节,本文在高阶全变差超拉普拉斯正则项的基础上增加了新的保边正则项。最后将建立好的模糊核模型和复原图像模型相结合得到图像盲复原模型,并将复原模型放在建立的多尺度空间中进行迭代求解。实验结果表明,基于多尺度混合正则化约束的图像复原算法抗噪性更强、复原图像的边缘细节更加清晰。（5）基于混合编程法的无人机侦察图像模糊复原系统。在运动模糊复原算法研究的基础上结合离焦模糊复原与大气模糊复原算法,使用一种混合编程法设计实现了无人机侦察图像模糊复原系统。首先在Qt开发平台下配置MATLAB与Open CV的调用环境,然后根据应用需求设计交互界面,最后调用生成的库文件完成整个系统。通过测试,系统可流畅运行并实现对无人机运动、离焦、大气模糊图像的复原。