在视频监控中,由于天气、光照等因素经常会使获取的图像质量产生模糊,从而影响对监控对象的辨别。因此如何找到一种改善图像质量的方法,一直是模糊视频图像处理中待解决的关键问题。针对这一问题,本文主要对基于偏微分方程的模糊视频图像处理方法进行了研究,具体如下:1、深入研究了传统图像复原方法,分析了逆滤波、维纳滤波、有约束最小二乘复原和Lucy-Richardson复原等方法,并对其优点和存在的问题进行了总结和比较。2、深入分析了几种基于经典变分的图像复原法,对其特性及数值解法进行了比较。在此基础上提出选用自适应全变分模型克服经典变分复原方法中的不足,并将此方法应用于模糊视频退化图像复原实验,得到了比较满意的复原效果。3、对自适应全变分方法进行了改进,特别是改进了自适应泛函模型。新模型综合利用全变分模型和各向同性扩散模型的优点,引入门限值并利用扩散系数构造保真项,增强了图像边缘。实验结果表明,相比于传统图像复原模型和全变分经典模型,该方法根据梯度信息自适应选择最合适的复原模型,能够有效去除噪声的影响并保持图像边缘,提高了峰值信噪比,解决了的图像复原中的阶梯效应,得到了更好的复原效果。