在光电成像、图像传输或存储过程中,由于成像环境及成像器件自身的干扰,通常会使得图像质量退化。图像复原是指应用一定的数学原理,结合图像退化过程,建立相应的图像退化及复原模型,继而对复原模型进行求解,得到清晰图像复原算法。目前,图像复原包括去模糊、去噪声、修复、超分辨率、去雾、去雨、去雾霾等研究。本文主要围绕图像的高斯噪声、脉冲噪声以及图像模糊去除问题做了深入研究。论文首先研究了图像退化及复原的背景与意义,对国内外关于图像去模糊、去噪声研究现状进行了分析与总结。论文对光学成像过程及图像退化的数学模型进行分析,介绍了本研究中所用到的紧小波框架、交叉算法、离散余弦变换、分裂布雷格曼迭代算法以及复原图像的质量评价指标,构建了论文的理论体系。针对去模糊和去脉冲噪声这一综合问题,研究者们相继提出了总变分（TV）、非局部算子、低秩和紧小波框架方法等。其中,总变分和紧小波框架能保护图像的轮廓特征（总变分的加强效果更好）,但总变分的阶梯效应会丢失轮廓的边缘尖锐特征（如拐角产生失真,尖锐的拐角会变得圆滑）,而非局部算子和低秩能保护图像纹理信息,但是其基于相似块匹配原理,在图像复原中,会因为相似块匹配错误,无法进一步提升图像复原质量。在图像同时去模糊、去噪声研究中,目前已有的方法都是把图像所有信息当作一个整体来研究,会使得复原图像丢失很多重要信息。然而,根据最近的图像分析理论,一幅图像包含不同尺度的多层信息,即大尺度下的轮廓特征和小尺度下的纹理信息。一种模型只能有效表征其中一层信息,在表征其他层信息时,将失去效用。所以,为同时复原出图像的轮廓和纹理信息,同时加强和保护图像轮廓边缘特征,且避免阶梯效应,论文提出了基于图像多层分解的同时去模糊、去脉冲噪声模型,实现了复原图像高质量的提升。为实现图像有效分解,论文采用紧小波框架来表征图像轮廓信息,用离散余弦变换表征纹理信息,为了加强轮廓边缘特征且同时避免阶梯效应,论文在轮廓的正则项上加上各向异性总变分。论文对所提的多变量图像复原模型利用交叉算法和分裂布雷格曼迭代进行求解,导出相应的复原算法。为证明所提算法的有效性进行了实验研究,以及与其他方法进行了比较实验。实验结果证明,本文提出的模型及算法能有效的同时去除图像的模糊效应和脉冲噪声,并能同时能够进一步恢复出图像的轮廓层及纹理层信息。论文根据所提出的模型及算法设计了相应的图像处理系统。