随着现代通信技术的发展,图像和视频作为重要的信息获取来源和信息交换媒体,其在社会生活和工作中获得了越来越广泛的应用。但通常由于设备环境和人为因素的影响,所获取的图像质量不可避免的会下降,导致其很可能达不到应用要求。因此有必要对退化的图像进行处理,恢复出接近真实图像的高清晰、高质量图像,这就是图像复原的主要目标。图像复原作为一种底层视觉技术,不仅能够恢复出高质量图像,同时也为中层和高层视觉奠定了良好基础,因此受到广泛研究,在天文、遥感、医学工程、工业工程、文化艺术和军事公安等领域都有重要应用。本文主要是基于Bregman迭代正则化技术,从正则化模型角度和迭代算法层面对图像复原问题进行了深入探讨。主要研究内容有如下几个方面：论文首先对图像复原这一课题的研究背景、研究现状和目前主要的图像复原方法进行了简单分析总结,分析了各种图像退化模型,介绍了基于传统正则化的图像复原方法和相关的快速迭代图像复原算法,给出了图像质量评价的客观准则和主观准则。然后,本文基于传统的正则化图像复原方法,引入了迭代正则化技术,提出了一种基于Bregman迭代双正则化的图像复原方法。本方法组合总变分和小波域双正则化技术,统一到Bregman迭代正则化框架下,采取分裂Bregman算法进行快速图像复原。实验结果表明,对一般的高斯噪声污染的模糊图像,提出的算法不仅能够快速进行复原,而且效果优于基于高斯模型的贝叶斯方法、GPSR方法、非局部总变分方法等代表性图像复原算法的复原结果。一般的图像复原问题主要解决了高斯噪声污染的模糊图像,而对于其他噪声污染的模糊图像,很难有效处理。针对这种不足,本文考虑了脉冲噪声污染的模糊图像复原问题。提出了一种两步图像复原算法,首先给出了一种快速消除脉冲噪声的简单算法,然后,建立了基于L1范数保真项的图像去模糊框架,并采用分裂Bregman迭代算法快速求解。实验结果表明,对重度脉冲噪声污染的模糊图像,本文提出的复原算法仍能够有效复原。最后,本文将提出的灰度图像复原方法应用到多通道图像复原问题,主要考虑了彩色图像复原问题。首先建立了彩色图像的总变分模型,然后分别对高斯噪声污染的模糊图像和脉冲噪声污染的模糊图像,建立了不同的图像复原模型,并采用分裂Bregman迭代算法求解,实验结果表明,对不同量级的两种类型噪声和不同类型的模糊图像,本文提出的算法均能高效的进行图像复原。