图像复原一直是一个热门的研究技术,在众多学科与领域都占据重要的地位,比如计算机视觉、医学、航天技术、以及数字图像与信号处理等领域。图像的去噪以及去模糊是图像复原的重点研究方向,它要求对退化图像既能去除噪声与模糊,还要尽可能地保留图像的纹理与边缘等细节部分,但是两者往往不能同时满足。本文提出将压缩感知技术运用到图像复原中,对现有的算法进行改进与创新以达到复原的效果。论文的研究任务主要分为两点:(1)一般的全局字典在对图像进行稀疏表示时并不能对细节部分进行很好地表示,为了改善这一状况,本文的算法是先将图像按照特性分成三部分,即平滑类、纹理类以及边缘类。分解的思路是将训练样本首先利用方差分成非平滑类与平滑类,再利用主成分分析的方法将非平滑类分为纹理与边缘类。将分解好的三部分使用K-SVD字典训练学习的方法分别训练出自适应冗余字典,并进行稀疏表示从而到达去噪的目的。实验最终图像与结果显示,本文改进的基于分类的自适应冗余字典的去噪算法相比较其他两种算法在去噪效果上有一定的提高,在纹理与边缘等细节部分有了改进,给人的视觉效果也略清晰。(2)一般的图像去模糊算法要求点扩散函数是已知的,但是本文使用K-SVD字典学习法和图像分类相结合的方法来对图像进行盲去模糊研究。首先设定一个初始点扩散函数,然后结合字典学习的方式来得到点扩散函数,最后对模糊图像进行反卷积达到去模糊的目的。通过对具有运动模糊和高斯模糊的图像的处理研究发现,本文提出的算法,对图像的去模糊具有一定的效果。