随着信息科技的不断发展,多媒体技术应用到了生活中各个领域。图像、视频等视觉信号作为数字多媒体内容的主要载体,在人们进行视频通信以及视觉感知的过程中有着不可替代的作用。但是由于运动、抖动、电子干扰等影响因素的存在,导致图像在拍摄,传输和储存的时候会产生一定的退化。对退化图像的复原目的是使复原后的图像与原始图像更相似。图像复原技术是数字图像处理领域里的研究热点之一,对退化图像的重现具有十分重要的理论和现实意义。本文首先分析了退化/复原模型,然后对传统的图像复原技术,例如维纳滤波、逆滤波、最小二乘滤波复原、L-R复原等方法,并进行了退化图像的复原实验,退化图像的复原效果并不理想,维纳滤波与逆滤波复原后的图像存在大量白点,L-R复原与最小二乘滤波的复原图像存在模糊。为了使复原出的图像更接近原始图像,本文利用BP神经网络所具有的学习和泛化能力强的特点,以BP神经网络作为复原工具进行图像复原,这种复原方式可以在图像复原时摆脱传统复原方式过度依赖先验知识的缺点。虽然BP网络算法可以有效的复原退化图像,但是BP复原网络在学习过程中存在收敛速度慢,对初始参数要求高的缺点。针对BP复原网络的缺点,提出利用灰狼算法较强的全局搜索能力来尽可能的消除BP复原网络对初始参数的过度依赖,提高复原模型的网络性能。为了使灰狼算法的寻优性能得到加强,通过改进收敛因子改变收敛方式,利用动态权重更新方式增强环境适应能力,利用差分优化算法增强灰狼算法的全局搜索能力。通过对退化图像的复原实验,验证了改进后的算法在图像结构相似度、峰值信噪比以及归一化均方误差等评价标准均比BP复原网络与经典复原算法要好。