数字图像作为人类获取视觉信息的重要载体之一,其在采集和传输的过程中,不可避免地会受到噪声和模糊的影响,导致图像的质量下降,阻碍人们从中获取所需的信息。如何有效抑制噪声和模糊对图像质量的影响,为后续的图像处理提供更加真实可靠的图像信息,一直以来都是数字图像处理领域研究的重点和热点问题之一。传统的图像复原算法,通常只针对图像去噪或图像去模糊一种退化现象进行处理,但实际中噪声和模糊往往会伴随出现,且会互相干扰彼此算法的有效性。数学上,单帧退化图像的复原本质上是一个严重欠定性问题,很难恢复出理想的图像。相比于单帧图像,多帧图像提供了更加丰富的空时域信息,为图像复原研究提供了新的思路。论文针对同一场景下的多帧图像复原问题,从过程处理的角度出发,考虑将图像去噪和图像去模糊进行协同处理,使得这两个原本独立的过程能够在彼此的估计过程中互相促进,实现高质量复原。同时,噪声是影响多图之间相关性计算的重要因素,通过使相关性计算适应新条件下退化图像的模糊核估计,降低噪声对模糊核估计的影响,提高模糊核估计的准确性。综合上述两点改进,论文提出了一种基于协同复原的多图去模糊算法。在实际场景中,由于拍摄者手部抖动等因素,导致获取的多帧退化图像之间往往存在着相对运动。针对这个问题,论文从已有特征值配准算法出发,研究如何准确快速地对具有图像偏差的多帧退化图像进行高质量复原,提出了一种基于分块配准的多图协同复原方法。大量的仿真实验表明,论文所提出的基于协同复原的多图去模糊算法,可以有效地保留图像中的细节信息,相比于已有的多图去模糊算法,在图像的主客观质量上均具有明显的改善,PSNR平均提高约4dB。同时,论文提出的基于分块配准的多图协同复原方法更能准确、快速的解决实际场景中具有相对运动的多帧图像复原问题,使得算法在保证有效性的同时更具有实际应用价值。