变分法具有良好的理论基础和高度的灵活性，被广泛应用于数字图像处理领域，特别是应用于图像去噪、图像恢复、图像划分等领域获得了很好的处理效果。本文围绕高阶变分图像处理方法展开研究，内容涉及图像去噪、点扩展函数(PSF)的参数估计和图像复原等。主要工作如下:　　(1)用HVS(Human Visual System)中的视觉掩盖特性对控制扩散强弱的参数ω进行改进，提出一种基于HVS的高阶自适应综合变分去噪模型。根据HVS的噪声屏蔽函数M(x，y)值，自适应的选取参数ω取值范围，进而选择综合模型的扩散约束项。实验结果表明:本模型能抑制“阶梯效应”的产生，使复原图像质量改善并符合人眼视觉特性。　　(2)为了准确地估计运动模糊图像的PSF参数，本文提出一种基于倒谱域估计PSF参数的算法。利用Radon变换和小波包分解对模糊图像的倒频谱进行分析，提取模糊尺度与模糊角度。对大量的计算机仿真图像进行PSF参数估计实验，其结果表明:本方法估计出的PSF参数准确，且具一定的抗噪性。　　(3)根据估计出PSF参数，提出一种基于高阶变分模型的运动模糊图像复原方法。与经典图像复原算法相比，得到了较好的复原结果，进一步证明本文估计PSF参数的有效性和准确性。　　(4)在PSF信息不足的情况下，提出一种基于高阶混合正则项的图像盲复原模型。根据图像边缘特性，对边缘细节进行一阶正则化约束，同时对平滑区域采用高阶扩散约束。大量的实验数据显示:本文所用的算法对图像边缘特性起到了很好的保护作用，并且有效地抑制图像平滑区域的“阶梯效应”。　　(5)根据高阶变分模型的特点，设计合适的数值解法对提出的模型进行最优化求解。