近年来，医学成像技术飞速发展，大量高分辨率的图像纷纷涌现，如计算机断层扫描CT、解正电子发射断层照相、PET磁共振造影MRI、漫射加权成像DWI、单光子发射计算机断层SPECT等，这些成像技术分别能在不同的时空分辨率下给人们提供各种功能信息和解剖信息。但这些设备所提供的信息却远远达不到人们的要求，必须通过进一步的图像处理手段来对图像进行分析和解译。本文主要针对在医学图像获取过程中由于机器以及人体器官等的运动引起模糊降低图像质量的问题进行研究，我们主要讨论医学图像复原技术。正文的主要内容可分成如下三个部分：（1）提出一种基于低秩分解的CT序列图像复原方法。对医学CT序列图像进行稀疏低秩分解，得到稀疏序列图像和低秩序列图像，然后分别对稀疏序列图像和低秩序列图像用与之相应的模糊核进行维纳滤波进行复原。该方法针对稀疏序列图像提出了一种新的模糊核，使复原效果进一步得到提升。实验结果表明，本文的方法能有效的改善图像质量，复原后的图像对比度高，边缘锐化，视觉效果有了很大的提升。此外，还讨论了不同低秩模型适用的CT图像模型。（2）提出一种基于低秩分解和字典学习的MRI序列图像去模糊方法。此方法将医学MRI序列图像进行稀疏低秩分解，得到稀疏序列图像，设定初始模糊核，在第一幅稀疏图像上用自适应字典学习的方法估计出运动模糊核，最后用Lucy-Richard法对原始序列图像进行复原。此方法充分利用了医学图像的稀疏性和图像序列间的相似性，获得了良好的去模糊效果。（3）提出一种基于图像配准和融合的CT图像重构方法。此方法对低质量兆伏级CT (MVCT)图像进行TV去模糊和低秩去模糊的预处理后，利用患者自己的高质量千伏级CT (KVCT)图像经过几何变换配准,再和预处理后的MVCT图像进行融合，实验结果表明该方法能改善MVCT图像的视觉效果，同时增加了信息量。