图像复原是数字图像处理领域中最重要的研究方向之一,基于正则化约束的图像复原方法一直是复原领域的研究热点。本文根据自然图像的先验知识构造正则化项,结合快速收敛的复原算法,提高图像复原质量。为了获得高质量复原图像,需要首先估计PSF。提供高精度的PSF可以使复原过程速度更快、稳定性更好。由于传统的参数估计方法对PSF的估计存在较大的局限性,本文在基于自然统计信息结合最大后验概率模型下,介绍了反卷积法和Radon变换法两种估计PSF的方法,在不需要根据观测图像的退化特征预先假设点扩散函数模型的情况下,可以从观测图像中的特殊区域精确的估计出任意形状的二维PSF,算法对噪声具有较强的抑制作用,估计的结果也具有较高精度。其次,本文采用全变分(TV)正则化模型结合TwIST算法对图像进行快速复原,算法的每次迭代都涉及基于TV正则化模型的去噪过程。全变分正则化模型不仅本身具有唯一解,在图像复原和去噪过程中还能够保持图像的细节成分。正则化参数的选取往往决定复原的质量,本文根据参数与噪声方差的关系,通过匹配先验噪声信息,在复原过程中对参数进行反复修正得到最优值,进而达到提高图像复原质量的目的。由于本文所阐述的所有算法都考虑到了噪声的影响,为提高算法的性能和结果的精确性,需要对观测图像中的噪声水平做初步的估计,经过验证,主成分分析估计噪声方差具有很好的效果。最后,结合本文的复原方法对含有不同程度噪声的观测图像进行复原,基于客观评价方法对复原的图像质量做出评价同时对复原结果进行分析。