图像是人类获取信息的重要内容,大量而清晰的图像对人们的日常生活、科学研究都有着十分重要的作用。但图像在形成、传输和记录的过程中都会受到诸多因素的影响,所以人类通过各种方式获得的图像一般都不可能是一个物体完整的描述,实际上只是一幅降质的图像记录。因此,研究和发展有效的图像恢复技术来改善退化的图像就显得尤为重要。在数字图像信息处理中,由于图像信息本身的复杂性和较强的相关性,在处理过程中的各个不同层次可能出现不完整性和不精确性、非结构化、以及建模困难等问题,将计算智能信息处理的方法应用于图像的处理,在一些场合具有比传统计算方法(使用精确、固定和不变的算法来表达和解决问题)有更好的效果。遗传算法(Genetic algorithm)作为一种智能优化算法,是借鉴生物界选择和遗传机制的随机化搜索算法,其主要特点是在搜索空间中同时在很多点进行求解,利用随机规则来引导搜索,且搜索不依赖于梯度信息,它尤其适用于处理传统搜索方法难于解决的复杂和非线性问题。遗传算法的优势是利用所允许的不精确性、不确定性,特别是由于它不受搜索空间的限制性假设的约束,鲁棒性及固有的并行性等特点,因此是很有发展潜力的图像智能信息处理方法。本文,主要研究了基于遗传算法的图像恢复技术。首先对遗传算法和图像恢复的相关理论基础作了详细的介绍和总结,包括其背景、基本算法结构、基本原理特点、分类及其发展现状和作用等。然后在深入研究了简单遗传算法和逆滤波、维纳滤波等几种经典图像恢复算法的基础上,针对简单遗传算法易造成“过早收敛”问题,结合图像信息相关性较强的特点,本文从改进遗传操作结构及收敛速度控制入手,提出了一种改进的遗传算法。该改进遗传算法的主要特点是:设计了一种新的二维染色体编码方案;改进了交叉、选择算子;将简单遗传算法与模拟退火算法相结合。通过对多幅图像进行了图像恢复仿真实验,并与经典图像恢复算法、简单遗传算法进行比较,实验结果表明,该方法能较好克服“过早收敛”,降低计算复杂度,特别是在全局寻优中表现出较强的鲁棒性,在一定程度上改善退化图像恢复质量。