利用大型地基光学望远镜观测空间目标(如卫星、空间站)时,由于大气湍流、噪声和光学系统的像差等干扰的影响,观测图像往往发生退化,严重影响对空间目标的识别与监测。自适应光学系统能够对大气湍流进行实时校正和补偿,极大地提高了大型光学望远镜的空间分辨率,但由于自适应光学系统受波前数据测量误差、系统延迟和噪声等因素的制约,其校正往往并不充分,基于数字技术的图像后处理对于进一步提高目标图像分辨率和抑制噪声是必不可少的。图像复原技术是一种典型的大气湍流退化图像后处理方法,利用焦平面记录的多帧退化图像,结合目标图像、点扩散函数、噪声统计和成像系统等的先验知识估计目标图像和点扩散函数。本文在课题组前期对自适应光学图像复原算法研究的基础上,对现有算法进行改进:1)研究了使用相位矩阵或Zernike多项式参量化表示点扩散函数的理论与方法,对传统的多帧盲解卷积算法进行改进,推导了代价函数表达式及其对目标图像和波前相位的参量的梯度导数,利用改进后的算法对退化图像进行复原,结果表明复原图像的分辨率大幅提升。2)研究了如何使用Zernike多项式对波前相位矩阵进行拟合,利用相位拟合对波前相位施加约束,提高了湍流较强时算法的复原能力;其次研究了点扩散函数和目标图像的频域约束方法,与相位参量化、相位拟合相结合,提高了盲解卷积算法对噪声的抑制能力,有效减少了复原图像中的伪像。最后对紧凑型多帧盲解卷积算法进行了初步的探索。