图像复原技术具有广泛的应用领域,近年来已经成为国内外图像界研究的热点问题之一。在获取图像的过程中有许多因素会导致图像质量的下降即降质,如光学系统的像差、大气扰动、运动、散焦和系统噪音,它们会造成图像的模糊和变形。图像复原的目的就是对退化图像进行处理,使其复原成没有退化前的理想图像。本文从图像退化模型的研究入手,介绍了图像复原的理论基础,同时对一些常用的经典图像复原算法进行了研究。在研究神经网络的原理及特性的基础上,将BP神经网络应用于图像复原。通过实验验证了BP网络图像复原算法的有效性,同时也提出了其收敛速度较慢容易陷入局部最小的缺陷。为了改进BP网络图像复原算法的缺陷,本文将遗传算法与BP神经网络相结合的GA-BP算法应用到图像复原中,引入遗传算法对BP网络的参数进行调整,运用大量图像样本进行训练;在此基础上进一步优化GA-BP算法的适应度函数,使之得到更好的图像复原效果。本文给出的另一种改进方法是以全局寻优的蚁群算法调整BP网络参数,提出了一种动态信息素更新策略的ACO-BP算法并应用于图像复原。通过算法分析与实验验证了两种优化的BP网络图像复原算法相比原来BP网络图像复原算法的更优效果及效率。论文在最后对课题的研究成果进行了总结,并对未来工作的方向和重点进行了展望。