无人机遥感成像可以经济、快速、安全的获取地面信息,所以在资源勘探、环境监测、战场侦察等领域具有很高的应用价值。由于无人机航拍成像时受到恶劣天气、发动机振动、自身倾斜晃动、相机相对运动和大气扰动的影响,所捕捉到的图像具有噪声复杂、模糊、对比度低、细节纹理不清等特点,使图像质量大大下降。为获取清晰图像信息,现今大多数图像恢复算法都是建立在模糊图像点扩散函数已知的前提下,如逆滤波、维纳滤波等,但现实中的成像条件却很复杂。航空相机自身的不规则震动、与所拍目标间的相对运动、大气湍流等都是未知的,无法精确得知模糊核函数,因此对盲复原算法的研究,有着现实和理论的双重需求。论文针对运动模糊、相机噪声和异常值干扰模糊核估计、大气传输模糊产生的退化图像复原问题,分别建立优化函数模型并设计相应的复原方法,以去除图像退化现象、提高图像质量与保留图像细节信息等因素为主要切入点研究无人机遥感模糊图像复原的新方法,其主要内容如下:针对无人机航拍时的运动模糊问题,提出了一种基于L0稀疏先验的无人机遥感图像复原算法。首先,通过对遥感图像特性进行分析,得出了运动模糊图像的梯度分布要比清晰图像稠密并且暗通道的稀疏性也相对较小这一固有属性,建立了新的L0稀疏正则化复原模型。接着,针对L0范数的高度非凸性和暗通道稀疏优化过程中涉及到的非线性最小化问题,利用查表法构建了一种近似线性映射矩阵,并用半二次分解法对L0最小化问题进行求解。最后,采用快速傅里叶变换在频域中对模糊核及清晰图像进行交替迭代运算,得出复原图像。实验结果表明,运动模糊图像得到了有效恢复,各项图像质量客观评价指标均有显著提升,并可以有效抑制图像边缘处的振铃效应,完整保留清晰细节信息的同时显著提高了运算速度。由于航空相机异常值及非高斯噪声的存在,严重影响了模糊核的正确估计,使航拍图像恢复效果不佳、细节丢失严重、人工痕迹明显。为此,提出了一种基于消除相机异常值的饱和模糊图像盲复原算法。首先,根据饱和图像灰度特性建立L1正则化模型,引入超拉普拉斯先验提取图像显著边缘。接着,针对S型函数无法完全滤除边缘中的饱和像素,提出一种模糊核镜像辅助函数,通过设定阈值可以有效消除异常值。最后,分析异常值对模糊核估计的影响,建立基于异常值感知的盲反卷积模型,采用迭代加权最小二乘法运算得到恢复图像避免了迭代求解中的二次型问题。实验结果表明,该算法可以极大地降低航空相机异常值的影响,正确估计模糊核函数,优于传统的图像盲复原算法。最后针对无人机遥感航拍图像在获取过程中受到大气扰动影响产生的大气模糊降质问题,提出了一种基于多次散射APSF估计的大气退化图像恢复算法。该方法通过分析大气对光线散射和吸收的物理特性,构建大气传输点扩散函数估计模型,并设计与该模型相匹配的新算法,旨在去除无人机遥感退化图像的大气扰动模糊,完成该类降质图像的复原。经实验仿真,本文方法与其他的传统算法比较,图像恢复质量更加优秀,并对噪声干扰具有一定的鲁棒性。