机器视觉系统已经被广泛地应用于各个不同的领域。由于机器视觉算法的效果严重依赖于输入图像的质量,而实际得到的图像往往并不理想,因此,对图像进行复原是提高机器视觉检测效果的一个有效途径。我们从具体应用出发,结合偏微分方程和逆问题理论,提出了三种有效的图像复原方法,即：1.提出了正则反向热流传导方法。通过引入正则化的理论和方法,建立了一种能够有效抑制噪声放大的正则反向热流传导方法,用来实现图像复原。此外,完善了相应的理论工作,证明了正则反向热流传导方法的有效性。2.提出了“学习—滤波”算法。对传统的基于梯度算子的图像复原模型(例如：Tikhonov正则化方法和全变分(TV)模型)进行了推广和改进,将经典模型中的梯度算子换成了一组从图像样本中学习出来的滤波器,用来实现特征映射。3.提出了广义运动模糊复原模型。用来去除由于相机前向运动所引起的图像模糊。具体工作包括：(1)估计相机和物体之间的相对运动,从而估计出光流场；(2)设计了快速的广义运动模糊核生成算法；(3)设计了广义运动模糊复原模型,并导出了相应的数值迭代算法。最后,将这几种图像复原方法应用于对铁路运行环境监测的任务中,作为相应的机器视觉检测算法的预处理模块。