太阳日冕结构的密度、位置和形状短至几秒钟就会发生变化,较大的动态范围,造成望远镜拍摄的日冕结构边缘模糊且噪声较大,使得可视化困难。随着数字图像处理技术的发展,盲退卷积算法对于要求恢复结构准确性和真实性方面提供了科学的理论依据。图像退卷积算法是图像复原增强领域的一个经典问题,因为方程的求解是欠定的,所以在退化模型的构建,清晰图像和模糊核的先验信息,失真效果的抑制,迭代算法的稳定与准确方面,越来越多的人关注和研究。图像增强和图像盲退卷积算法所涵盖的范围非常广泛,本学位论文主要专注于太阳动力学天文台（Solar Dynamic Observatory,SDO）的大气成像仪（Atmospheric Imaging Assenbly,AIA）拍摄不同波段的图像数据增强,包括图像去噪,去模糊,对比度亮度提升。提出了两种比较有针对性的SDO/AIA图像增强算法,主要的研究成果和创新点整理如下:（1）基于不规则功率谱的SDO/AIA图像增强算法。提出了一种利用模糊图像功率谱估计PSF的单帧图像盲退卷积算法用于太阳SDO/AIA图像增强。首先对数据预处理（包括去噪和灰度值变换处理）,从AIA中估计出PSF的功率谱;再用相位恢复算法恢复出PSF,为了使该相位恢复算法对噪声更鲁棒,额外引入了权重参数α,限制使用PSF功率谱对PSF相位估计的硬性约束;并对该算法随机初始化求解多次,避免陷入局部极小值,计算PSF所有可能解之间的L2范数距离,通过多次随机初始化计算PSF,如果可能解之间的L2距离越小,可以认为是最接近真解的PSF,最后退卷积出目标图像;为进一步减少噪声影响,将待增强图像分隔为四幅相邻局部子图,并按上述方法估计每幅子图的PSF,对四个PSF进行归一化和求取均值得到恢复整幅图像的PSF。实验分析使用轮廓切片曲线、功率谱分析以及PSF分析以及和其他较为先进的增强算法结果对比分析,对重建出的目标图像细节结构进行客观分析,将高分辨率日冕成像仪（The High-Resolution Coronal Imager,Hi-C）图像用作精细结构增强效果对比。结果显示本文方法对于SDO/AIA 193（?）、211（?）、171（?）波段结构的增强和复原有较好的效果,且对噪声鲁棒。（2）在（1）的基础上进一步考虑实际图像增强要求,对噪声鲁棒的SDO/AIA图像盲退卷积方法,是一种在最大后验概率（Maximum a posteriori,MAP）框架下,基于可靠边缘的模糊核估计算法,该算法通过去除中间潜影中的异常点,有效地估计模糊核。我们根据异常点的性质,提出了一个对噪声鲁棒的能量函数来解决异常点导致的线性退卷积假设不精确问题,用于最终的潜影恢复。本文对真实的SDO/AIA211（?）波段,171（?）波段,304（?）和131（?）波段图像和实验评估表明,该算法在171（?）波段、211（?）波段和131（?）波段均有较好增强效果。