图像复原作为图像处理中一个很重要的分支，同时也是一个极具挑战性的课题。图像复原又分为图像非盲复原与图像盲复原，在日常生活中退化函数是未知的，因此图像盲复原更具有实际意义。本文在梯度投影法的基础上，结合低秩分解，引入质量评估准则、稀疏测度等，提出了三种改进的图像盲复原方法，主要工作如下:　　(1)提出一种结合频域梯度投影法与质量评估的盲复原算法。此方法针对梯度投影的盲复原算法输出结果不稳定的缺点，提出将图像质量评估引进迭代过程中，利用质量评估得到多次迭代的最清晰图像，能够避免求解过程中陷入局部最优或者解不稳定的情况。在此基础上，针对复原图像中的人工划痕问题，通过二次模糊和非盲复原策略，可以进一步改善图像质量，得到更好的复原图像。　　(2)提出了一种基于低秩的图像盲复原算法。该方法利用基于梯度投影的盲复原算法进行多次的迭代求解，在此基础上利用低秩分解，融合迭代所产生复原图像的细节信息，得到最终的复原图像。该方法充分利用了迭代中每幅图像的信息，可以有效改善图像复原的质量。对比试验表明，本文的方法相比其它对比算法有着更高的客观评价指标和更好的视觉效果。　　(3)提出了一种基于稀疏度测量的图像盲复原方法。图像盲复原中由于模糊核估计不准确所带来的振铃效应问题，提出利用线性加权的算法得到模糊核字典，再通过稀疏度测量，来选择最优的模糊核，从而可以获得更准确的模糊核。在此基础上利用去噪性能更强的L0-abs算法进行图像非盲复原，获得最终复原图像。相较于梯度投影等盲复原方法，基于稀疏测度的改进方法普适性更好，并且有较好的抗噪性。