作为图像处理和计算机视觉的基础,图像复原能够解决图像质量的退化问题。在图像的摄取、传输和存储的过程中,不可避免地会引入不同程度的模糊和噪声,引起图像质量的下降,称为图像的降质或退化。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。　　 噪声和模糊是导致图像降质最主要的两个因素。而由于产生的原因不同,噪声和模糊又都分为许多不同的类型。本文的重点是针对不同类型噪声的去噪方法和对不同类型模糊的点扩散函数识别及估计方法的研究。本文的成果与创新主要包括:　　 对于脉冲噪声,本文提出一种基于参考图像的去除随机脉冲噪声的算法。该方法利用邻域像素相对差排序的统计方法来判断每一个像素点是否被脉冲噪声污染。一旦确定该像素被噪声污染,利用一种简单的加权滤波器对其进行复原,该滤波器可以在保留图像细节的同时抑制脉冲噪声。大量的实验结果表明,该方法在对脉冲点检测的准确率,复原图像的峰值信噪比和算法的效率上都显着优于其他许多知名的去除随机脉冲噪声方法。　　 对加性高斯噪声,本文提出了一种结合小波三元萎缩滤波器和空域联合双边滤波器的去除高斯噪声的方法。在小波域里,考虑到相邻小波系数之间的相关性,提出一种三元小波系数模型,进而利用最大后验估计得到三元萎缩滤波器。尽管基于小波变换的去噪方法在图像去噪方面非常有效,但也容易产生一些低频噪声和与小波结构相关的伪影,影响主观视觉效果。另一方面,一些基于空域的方法能够得到去噪效果更好的图像,但代价是这些算法都运算量很大。所以,为了减小运算量,提高空域算法的效率,本文进而提出一种基于小波去噪结果的联合双边滤波器,由于不像别的算法直接在空域中运算,该联合双边滤波器可以用很小的运算代价获得很好的去噪效果。对于彩色图像去噪声,一个非常简单的办法就是将灰度图像的去噪方法分别单独用在不同的通道内,但这样的方法显然不是最优,因为通道之间可能存在着很强的相关性,好的彩色图像去噪声方法应该能够利用这些相关性。本文中的三元萎缩滤波器和联合双边滤波器的另一个非常重要的优点就是它们都可以很容易的被扩展到多通道,并且可以很好的利用这些相关性。所以本文对彩色图像去高斯噪声的问题也做了讨论。通过实验,我们主要从峰值信噪比和主观复原效果等方面和一些重要的去高斯噪声的算法进行了对比,结果表明本文提出的算法非常具有竞争力。　　 对于核磁共振医学图像中常出现的Rician噪声,本文也提出了一种有效的去噪算法。尽管和高斯噪声不同,Rician噪声和信号本身具有一定的相关性,但考虑到它与高斯噪声之间的联系,本文提出一种基于小波高斯去噪声方法的迭代算法,实验证明,这种方法可以非常有效的去除Rician噪声。　　 众所周知,对于真实噪声图像,高斯白噪声的假设并不总是准确的。真实噪声的特点主要表现为空间上的多样性并且与信号和通道具有相关性。事实上,去除真实噪声图像中的非高斯噪声是很困难的。本文提出新的基于图像边缘的双边滤波方法。该方法首先将噪声图像中的所有像素点分边缘区域或非边缘区域,对不同的区域采用不同的策略和参数,很好的平衡去噪声和保持图像特征这对矛盾。实验结果也证明了这种滤波器对于去除真实噪声的有效性。　　 图像模糊通常取决于许多因素,比如运动,失去焦点和一些传感器的限制。本文提出一种直接从观测到的降质图像中快速识别和估计点扩散函数的方法。该方法基于边缘对距离和角度之间的关系,可以估计出三种最常见的点扩散函数的类型及参数。实验表明这种快速算法在提高效率的同时也提高了对一些参数估计的准确性。