图像复原是图像处理领域研究的重点问题之一。由于客观成像条件的限制，通常用户获取的图像为退化后的降质图像。这种降质图像为后续的图像处理带来了严重的影响，造成用户判读图像信息不准确。图像复原技术能够从退化的图像中恢复出原始图像的信息，为最终的图像识别和目标提取提供了良好的前提条件。图像退化的两个主要因素包括噪声和模糊，本文针对这两种情况发展了混合域的图像降噪算法和基于分解模型的图像复原算法。同时，论文还研究了基于压缩感知的图像重构算法，并给出了目前主流的图像质量评价标准及其实验结果。本论文主要的工作和研究成果包括:　　1.图像降噪算法:利用傅里叶变换和小波变换各自优点，发展傅里叶-小波域混合降噪算法。算法结合傅里叶域方形窗降噪算法和小波域双重局部维纳滤波算法，较有效地去除了图像的噪声成分;利用Curvelet变换对于图像边缘等各向异性区域的表示特性，发展了基于分解模型的BLS-GSM图像降噪算法，它是一种混合域(Curvelet-Wavelet)降噪算法，算法在各自变换域中对图像进行降噪并尽可能保留图像的真实信息，较好的抑制了噪声和消除了伪-吉布斯现象;　　2.图像复原算法:在两步迭代(TWIST)算法的基础上，发展了一种自适应双树复小波图像复原算法。在退化图像先验知识未知时，能改善参数估计不准确带来的麻烦，为后续准确复原图像提供了可靠的保证;通过引入变换域的分解模型，发展Contourlet-Wavelet迭代复原算法——TcwIST，通过复原实验的结果发现:算法能相对准确地表示图像各成分，比较适合遥感图像复原实验，通过引入线性搜索方法和快速迭代方法，一定程度上提高了算法的运算效率;　　3.图像重构算法:在OMP算法的基础上，发展了基于分解模型的图像重构算法。首先，利用卡通-纹理分解模型对图像进行分解，对不同区域的图像进行分块，再对分块后的图像使用K-SVD字典学习算法构造稀疏字典，最后根据EP算法求出优化的测量矩阵对图像进行重构实验，在一定程度上提高了重构的质量;　　4.为了对降噪算法和复原算法进行准确的评断，研究了全参考评价、半参考评价和无参考评价方法。通过一定数量的实验对比，着重分析了无参考条件下，图像质量评价算法的应用及其优缺点，为算法提供一个客观评价指标。