在人们获取图像信息的过程中存在着很多因素来影响图像的质量,导致图像质量下降,图像信息遗失,影响了视觉效果的同时限制了后期图像的分析和处理。因此,提高图像质量以使图像更加接近原始图像成为了图像处理领域炙手可热的课题之一,图像复原技术在图像处理领域占据越来越重要的位置。本文一方面介绍了图像复原技术的研究现状和相关的基础理论知识,其中着重阐述了正则化图像复原模型的理论和研究现状,另一方面着重研究如何更加准确和高效地保持图像的边缘细节信息及提高图像的质量。本文将线积分卷积和非局部结构张量相结合构造新的各向异性的非局部结构张量,能够更好地获取图像的局部结构信息;同时本文提出了基于局部频谱响应的正则化参数选取方法,用定义的局部频谱响应构造正则化参数,并将其应用到总变差模型中,使得图像细节信息更好的保留。本文的主要工作如下:(1)为了解决现在的非局部结构张量计算方法不能充分利用结构张量的各向异性的特性,本文提出了一种新的各向异性非局部正则化方法,使用原子分解策略,避免了使用欧氏距离来评估张量的相似性过程,同时该方法将原子分解策略与使用非局部均值滤波技术的扩展线积分卷积相结合,利用没有重建的张量方向分解策略,避免使用原子分解策略引发的重建错误,充分利用张量的空间相关性进行各向异性平滑。数值实验结果表明,本文提出的新的各向异性的非局部结构张量能有效地提取图像的局部结构信息,在角点检测方面有着良好的性能。(2)为了提高总变差图像复原模型的图像复原效果,本文提出了基于局部频谱响应的总变差模型正则化参数选取方法,总变差变换框架和频谱响应将总变差图像复原模型从空间域扩展到频率域,本文构造局部频谱响应来反映图像在总变差模型在进行图像平滑过程中局部细节的平滑速度,然后用局部频谱响应构造正则化参数,使得正则化参数能自适应图像的局部结构信息,使得总变差图像复原效果进行提升。数值实验表明,基于局部频谱响应的正则化参数选取方法使得总变差图像复原模型在视觉感知效果和峰值信噪比上都得到了显著的提升。