现实中，由于种种原因，图像产生了不同程度的退化，因此消除模糊、改善图像质量以获得清晰的图像就成为一个重要的研究课题。本文主要把图像盲复原和改善图像空间分辨率作为研究内容，主要目的是研究图像盲复原的方法，通过部分已知或未知的关于图像本身和(或)成像系统的先验知识，估计出原始的未失真的图像；研究超分辨率重构，尝试突破现有硬件设备上的局限性，在一定程度上改善图像的空间分辨率，以提供更好的图像细节信息。 本文的研究内容包括：图像退化模型，散焦模糊图像复原，TV最小化频域迭代盲复原，改善图像空间分辨率。取得的研究成果如下： (1) 针对散焦模糊，提出了估计PSF的两种不同方法。根据散焦圆盘退化模型，提出了利用Laplacian梯度、平方梯度和误差平方三项度量的基于参数-曲线方式的PSF估计法；针对传统散焦模型的不足，设计了根据散焦模糊的圆对称性，通过逆Abel变换求取图像PSF的过程。两种方法最后都通过改进的增量Wiener滤波方法有效地对模糊图像进行恢复。 (2) 从TV最小化盲复原方法的思路出发，借鉴频域迭代盲复原方法的思想，将TV最小化盲复原方法转换到频率域迭代进行，简化了规整化参数的选择，降低了算法复杂性，使其易于实现，算法恢复图像边缘信息的同时抑制了噪声。 (3) 在实际的成像系统中，每一个传感器系统有唯一的系统响应，对应的是获取设备的PSF，它可以被看作是预先已知的采样核。在最优化重构的理论上，建立了图像重构的统一框架，与普通的采样插值方法相比，提出了在最小平方误差意义下对应于成像物理意义下的最优化的单帧图像重构方法，通过对图像进行新的重采样，改善了图像的分辨率。 (4) 提出了空域插值-迭代的超分辨率重构和MTF复原相结合的综合方法，在此方法中，相同空间分辨率的观测图像以子像元位移的方式重复包含相同的目标物体，获取的所有观测图像通过重构、复原最终形成更清晰、更高空间分辨率的图像。