计算成像是一种为解决传统光电成像弊端而提出的新型成像技术。该成像技术将计算引入到了传统成像中,以突破传统视觉信息记录极限。计算成像技术旨在从多个维度对目标进行分析,通过采集多个维度信息并实现不同维度之间的信息转换来得到更好的成像效果。其维度主要包括空间、时间、角度、光谱、相位这几个方面。其中,编码曝光成像技术作为计算成像中一个重要分支,主要解决了图像的运动模糊问题,该技术以牺牲时间维度的信息来换取图像的空间信息,能够最大化程度的保留图像的细节信息。本文主要研究了基于编码曝光的运动场景清晰化重建技术。针对单帧图像的复原,提出了一种基于Memetic算法的最优编码序列选取和运动先验信息的模糊场景复原方法。通过分析编码曝光成像原理,建立了最优编码序列搜索准则;为了解决传统搜索算法的局限性,引入了Memetic算法进行最优码字搜索;并结合物像关系,估算运动目标的点扩散函数（Point Spread Function,PSF）;采用背景差分法综合运动模糊叠加特性实现目标景物分离;使用基于贝叶斯最大后验概率框架实现模糊图像的复原重建。搭建了实验平台进行实拍实验,实验结果表明,该方法能够有效的解决传统运动模糊成像复原的病态性问题,能够极大的提高图像分辨率,有更好的主客观评价。为了进一步研究编码曝光成像,将编码曝光成像技术引入到多帧图像复原中,提出了一种基于编码曝光成像的多帧图像联合复原方法。采用Golay配对矩阵构建长度适中的互补编码序列集。编码序列集中任意编码序列之间满足频域互补准则,从编码序列集中挑选出一定数量且符合编码曝光成像准则的最优编码序列,其构成的联合编码序列幅值曲线具有更大的最小值和更低的方差值,保证得到的多帧图像能够保留更多细节信息,同时图像之间存在信息互补。最后结合全变分（Total Variation,TV）正则化模型进行多帧图像联合复原。实验结果表明,该方法能够更多的保留图像细节信息,且能有效的抑制复原过程中的负效应,复原图像有更好的主客观评价。