作为图像处理和计算机视觉的基础,图像恢复能够解决图像质量的退化问题。在许多应用领域,如遥感、医学成像和军事监察等,图像退化都是一个普遍存在且亟需解决的问题。因此,图像恢复技术受到广泛研究和应用。本论文研究的重点是贝叶斯框架下的图像恢复问题,包括了参数估计、图像降噪和图像去模糊等。对贝叶斯框架下常见的图像恢复方法进行了深入的研究,针对其中存在的不足之处,如无法找到后验概率闭合形式的解,参数估计缺少良好的准则,最大后验概率属于点估计等,引入了分层最大似然估计方法和变分贝叶斯方法,并通过实验进行了分析验证。本文的研究成果与创新主要包括:1、针对实证分析法通常难以找到闭合形式解的问题,提出了一种分层最大似然估计法。实验结果表明,将该方法应用于图像恢复,可以加快图像恢复问题的求解速度,并且获得了比较理想的恢复结果。2、针对Morozov离差原理、L曲线、广义交叉验证和期望最大化等经典参数估计算法的不足,提出了一种新的贝叶斯参数估计算法,该算法利用分层最大似然估计法,可以在图像恢复的过程中,同步地对多个模型参数进行估计。3、提出了一种基于扩散技术的图像降噪算法,引入梯度算子作为原始图像的先验模型,并采用变分贝叶斯方法估计原始图像。实验结果表明,该算法克服了传统经验贝叶斯方法的不足。4、提出了一种基于空间投影和混合模型的彩色图像降噪算法。在YCbCr空间下,该算法采用混合模型作为原始图像的先验模型,并基于分层最大似然估计方法估计原始图像。实验结果表明,该算法可使降噪后图像的信噪比平均提高1dB~3dB。5、研究了噪声的分布特征,提出用拉普拉斯模分布模型刻画噪声,总变分模型描述原始图像的先验特征,并采用迭代重加权最小二乘法解决该了引入总变分模型和拉普拉斯模型带来的L1-优化问题。实验结果显示,拉普拉斯分布模型可以更真实地反映噪声的分布情况,迭代重加权最小二乘法的引入有效地提高了算法的时间性能。6、将稀疏表示与分层最大似然估法相结合,提出了一种了稀疏图像去模糊算法。该算法引入Donoho等人的稀疏特征模型刻画系数向量的稀疏性,并采用总变分模型描述原始图像的先验特征,最后利用分层最大似然估计法推导原始图像。实验结果显示,该算法为稀疏表示技术用于图像恢复提供一通用的算法框架。7、提出了一种基于调和模型图像去模糊算法,该算法利用调和模型刻画原始图像的分布特征,并通过分层最大似然估计法推导原始图像。实验结果表明,与基于最大后验概率的算法相比,该算法的时间性能和恢复结果更优。8、提出了一种贝叶斯多信道图像盲去模糊算法,算法采用交叉关系模型和平滑模型组成的混合模型来描述点扩散函数的先验特征,同时还引入总变分模型刻画原始图像的先验特征,并基于分层最大似然估计算法推导原始图像和点扩散函数。实验结果表明,相比单信道的图像去模糊算法,多信道图像去模糊算法的恢复结果更优。与同类的多信道算法相比,该算法的速度更快,恢复效果更优。