图像恢复是利用退化图像的先验知识,建立退化现象的数学模型,再根据模型进行反向推演运算,以恢复原来图像的景物图像。图像恢复一直是图像处理与计算机视觉中一个重要的研究课题。遗传算法和人工神经网络是两种优秀的智能优化算法,在现实生活中有着广泛的应用。随着图像维度的增大,需要更加优秀的图像恢复算法,单一的图像恢复算法存在自身的局限性,两种或者多种智能算法的有机结合可以有效的克服单一算法的缺陷,从而获得更好的图像恢复效果。本文针对这一思想展开工作,主要包括以下三个方面的内容:1、遗传算法在智能搜索领域中占有极其重要的地位,由于遗传算法没有约束,可以把解决的问题当成环境,与其他优化算法相比有多个搜索点的搜索信息,具有显著的并行性,并且遗传算法有很强的鲁棒性,因此遗传算法可以有效的进行图像恢复工作。传统的遗传算法可能会产生早熟现象,文章针对这一问题给出多种改进算法的介绍,并提出一种混沌自适应遗传算法,算法从两方面对遗传算法进行了改进。2、传统的图像恢复方法存在很大的缺陷,比较有代表性的算法包括逆滤波法和均值滤波法等,在某些特定数据和环境下这些算法的恢复效果不能满足要求,同时对于这些传统算法基本上都是串行算法,处理速度缓慢,很难满足图像的实时处理要求。随着智能优化算法领域的发展,研究者们提出了基于神经网络的图像恢复算法,将神经网络模型应用在图像恢复中,由于神经网络有着大规模并行及分布式存储等诸多优点,使得其很好的满足了实时图像处理的要求,本论文通过详细分析和研究,对采用Hopfield神经网络图像恢复算法给出介绍和改进,并对RBF图像恢复算法给出介绍和改进,改进算法可以得到更加优秀的图像恢复效果,实验也验证了这一点。3、为了克服单一算法的局限性,本文提出了一种基于Hopfield网络和遗传算法相结合的图像恢复智能算法,两种智能算法的结合可以有效的弥补各自单一算法的缺陷,一定程度上提高恢复效果。之后对该算法又进行了改进,用混沌遗传算法代替了传统的遗传算法,有效的改善了由遗传算法早熟现象导致的无法得到全局最优解的缺陷,使得算法更加完善。同时本文基于对RBF神经网络的研究,提出了一种将混沌自适应遗传算法和RBF网络相结合的智能算法,并有效的进行了图像恢复实验,实验证明算法能够得到更加满意的恢复效果。