图像恢复是数字图像处理中的一个重要分支,也一直是图像处理中的一个难点,其主要目的是改善给定的图像的质量和视觉效果,提高图像的清晰度,解决由于模糊和噪声污染等因素造成的图像质量退化问题。本文针对匀速直线运动造成的模糊问题进行了研究,深入分析了匀速直线运动模糊图像的退化模型和恢复模型。本文的主要工作有以下三个方面:(1)提出了一种改进的基于Hopfield神经网络的图像恢复算法,此算法采用牛顿法作为神经元更新的准则,并且通过计算欧式距离来判断网络是否达到稳定的状态,解决了原始网络的收敛精度不高以及网络不稳定的问题。对比实验表明,此网络最终可以达到稳定状态,并可以取得较好质量的恢复图像。(2)将改进的Hopfield神经网络与TV模型相结合,提出一种基于Hopfield神经网络和TV模型的图像恢复方法,即采用神经网络的方法实现了基于TV模型的图像恢复,本方法具备了基于神经网络的图像恢复和基于TV模型的图像恢复方法两种方法的优势。对比实验表明,此方法是稳定的,并且恢复的图像结果可以保有较多的细节和边缘信息。(3)将多尺度几何变换工具Bandelet引入到模糊图像恢复领域,提出一种基于Bandelet变换的图像恢复方法。该算法将模糊图像进行Bandelet变换,接着采用最优化方法对Bandelet系数进行优化处理,然后利用处理后的系数重构图像。对比实验表明,该算法所恢复出来的图像无论从视觉效果还是客观指标上,都可以取得比较满意的结果。