可见光成像一般利用目标反射的可见光信息,实现对目标的探测成像,系统的成像分辨率很高。获得丰富、精确的目标信息,并进行准确的目标探测,是可见光成像系统应用研究中非常重要的组成部分,具有重要的理论意义和应用价值。在实际应用中,基于面阵成像的可见光成像可能发生成像模糊的情况,而复杂的自然场景也会对目标探测造成非常不利的影响。为此,本论文对可见光含噪模糊图像的信息处理和复杂场景下的目标探测方法进行了以下几方面的研究:在图像复原的研究中,针对使用单一范数规整化的传统复原算法和总变分复原算法的不足,提出了一种使用混合范数规整化的Hopfield神经网络图像复原算法。图像复原误差函数中的规整化项由L₂范数和L₁范数两种规整化形式组成,并且给出了一种混合范数间的比例控制参数自适应调整的方法和神经网络的更新规则。该算法无论是从信噪比的改善还是视觉效果,都要优于规整化项为单一范数的复原方法。对于含有噪声的模糊图像,针对运动模糊和散焦模糊,提出了基于双谱的模糊函数参数辨识方法。通过推导两种模糊类型的双谱,发现双谱不仅能够降低噪声的影响,而且还具有与模糊函数相似的结构,由此可以利用传统的模糊参数计算公式计算出模糊参数。并且曲线拟合出双谱中的统计特性与模糊尺度之间的函数关系,由此训练出的背向传输（Back Propagation,BP）神经网络完成对模糊参数辨识,可以进一步提高辨识精度。在同时存在运动和散焦两种模糊的情况下,该方法也取得了良好的效果。针对在静止背景中运动的目标对可见光图像造成的局部运动模糊,建立了运动速度与运动模糊尺度、目标距离以及曝光时间等相机参数间的对应关系,提出了一种基于局部运动模糊图像的测速算法。目标运动方向由傅里叶频谱和Radon变换得到;沿运动方向,经图像分割,边缘探测,自相关三个步骤,运动模糊尺度由统计信息确定。在已知距离值的情况下,由此完成目标速度的测量。对于形体较为复杂的目标,该方法也具有良好的效果。依据Wigner-Ville分布（Wigner-Ville Distribution,WVD）能够对图像在空间域/空间频率域上联合表示的特性,研究了可见光成像所拍摄到的地面场景图像经一维或二维加窗的伪Wigner-Ville分布（ Pseudo Wigner-VilleDistribution,PWVD）后Rényi熵的统计特性,分析了人造目标的出现会引起地面场景中Rényi熵统计特性的变化,并在此基础上提出了一种新的基于伪Wigner-Ville分布和Rényi熵的显著图生成方法。之后对显著图进行简便的阈值分割,完成目标探测。对于可见光图像,该方法能够有效地探测到地面场景中的目标,虚警概率很低,而采用一维加窗PWVD的结果相比采用二维加窗PWVD的结果更为准确。并且在添加噪声和模糊的情况下,该方法具有很好的鲁棒性。