图像是人类活动中最常用的一种信息载体,在生产生活和科学研究中有着重要应用。然而,在复杂多变的环境下,图像在获取或存储时很容易受到许多不利因素的影响,如噪声,模糊,低分辨率,缺损,遮挡和反光等。这些不利因素使得图像质量严重下降,对正常的生产生活,如摄影和监控等,或科学研究,如人脸识别、目标检测和天文研究等,产生阻碍。为了避免这些不利因素的影响,提高图像的质量,就需要借助于图像恢复。图像恢复指的是将受损或污染的低质量图像恢复得到清晰的原始图像。图像恢复可以使我们更加容易地获取想要的信息。因此,图像恢复是一个非常有意义的研究课题。本论文针对图像受到模糊,遮挡和噪声影响的具体情况,基于图像的结构约束先验,提出了具有针对性的图像恢复算法,并取得了较好的效果:·针对图像被模糊的情况,即单幅图像盲去模糊问题,很多方法都是基于稀疏表达框架的。但是现有的这些方法在尝试恢复出清晰的图像过程时,破坏了像素块在表达空间的结构关联,这可能导致最终结果中引入振铃等不利因素。本论文提出的一种新的基于稀疏表达框架的去模糊算法可以保证相似的像素块能用相似的基进行表达,保持图像在表达空间的结构约束,并取得较好的效果。·针对图像被遮挡的情况,具体指栅栏这种特殊的遮挡物,即图像去栅栏问题,很少有方法考虑从光谱属性的角度去解决这个问题。本论文尝试从光谱属性的角度,并基于不同目标物的空间结构约束先验将问题转化为一个盲信源分解的问题,从而区分背景与栅栏。再利用改进的基于近似近邻场的像素填充算法恢复得到完整的无栅栏的图像。·针对图像被噪声污染的情况,具体指高光谱图像,即高光谱图像的去噪问题,很少有方法考虑各波段噪声水平不均衡甚至噪声只存在于某些波段的情形。本文尝试从多波段融合的角度,并基于不同波段的结构约束先验,将单波段的去噪问题转化为一个波段融合的问题。首先建立基于图像质量和结构信息关联的准则,选择出合适的融合波段。然后,对已选择的波段进行融合,得到去噪的结果,并取得了较好的效果。