数字图像在获取、传输和存储过程中不可避免地会受到各种外界因素的干扰,从而导致图像质量的退化,不仅严重影响了图像的视觉效果,且为后续的诸如图像分割、目标识别等高层视觉分析等带来极大困难,因此图像复原问题一直是图像处理领域中核心问题之一。目前,大多数图像复原模型和算法都是基于噪声服从高斯分布这一假设,然而在天文、医学等实际问题的成像中,噪声主要服从泊松分布。泊松噪声并不是通常意义下的加性或者乘性噪声,因此目前常用的针对加性噪声或乘性噪声的图像复原方法都不能直接用于泊松噪声的处理,泊松图像的复原也成为当前图像复原领域中的研究热点和难点之一。本文在正则化理论和方法的框架下研究了泊松图像去噪和泊松图像去模糊,然后结合医学图像分割问题的研究,探索泊松图像复原预处理对后续图像分割的影响。论文的主要内容和创新点包括:(1)将非局部全变差引入到泊松图像去噪问题中,并结合泊松噪声的统计分布特性,分别从方差稳定化和统计相似性度量两个角度,对非局部全变差中原有的基于高斯分布的相似度权函数进行改进,从而提出改进的基于非局部全变差正则化的泊松图像去噪优化模型,并利用变量分裂法和交替最小化方法对模型进行快速求解。数值实验的比较和分析表明,本文所提的符合泊松统计分布的非局部全变差正则化方法能够在有效抑制泊松噪声的同时,较好地保持图像的细节,去噪图像具有良好的视觉效果。(2)针对图像结构遭到严重破坏的低光子泊松图像去噪问题,提出了一种先修补后去噪的两阶段泊松图像去噪方法。首先,在最大泊松似然估计中引入欧拉弹性正则化,建立泊松图像欧拉弹性修补模型,并提出了基于交替方向乘子法的快速迭代算法实现图像结构的快速修复;然后,采用第二章提出的非局部全变差正则化方法对修复后的图像进行去噪处理,实现低光子泊松图像的去噪。数值实验表明,图像受强泊松噪声和弱泊松噪声影响时,所提出的基于修复-去噪策略的两阶段泊松图像去噪方法都能得到较好的去噪结果,具有较高的鲁棒性和适用性。(3)针对带有泊松噪声图像的去模糊问题,提出了基于图像卡通-纹理分解的耦合正则化图像复原模型与算法。将图像分解为卡通图像和纹理图像两部份,对于卡通图像采用分数阶全变差正则化以抑制阶梯效应,并避免边缘模糊;对于纹理图像采用非局部全变差正则化以更好地保持图像纹理等细节信息,并有效抑制非局部全变差引起的人工效应。实验表明,本文所提出的方法能较好地抑制阶梯效应、保持图像的纹理细节,同时也能较好地抑制非局部方法在图像非纹理区域中引起的人工效应,从而有效提高峰值信噪比和结构相似性指标,得到的复原图像具有良好的视觉效果。(4)作为泊松图像复原预处理的后续图像处理过程,我们进一步研究了图像分割问题。从人类视觉感知的角度出发,假设同一类别的像素点与手动标记的样本点的特征非常相似,并结合图像的空间分布情况,提出一种基于变分拟合模型的图像分割方法。该方法首先提取手动标记样本点的特征;再结合相似拟合思想和图像的空间先验建立分割模型,并利用连续最大流方法极小化能量泛函,以实现快速高效分割图像的目的。通过实验比较和分析,我们探索了泊松图像去噪预处理对后续图像分割的影响,结果表明,由于我们提出的泊松图像去噪方法具有良好的细节保持能力,因此利用经过预处理之后的图像可以取得较好的分割效果。