数字图像复原方法在诸如生物医学、航空航天、视频编码等领域有着广泛的应用前景。在这其中,基于正则最小二乘思想的图像复原方法是一种较为常见的图像复原方法。传统的正则最小二乘法虽然考虑分析了不同正则项对图像复原的影响,但正则项一旦选定,不论图像如何变化,正则项都不会再发生改变。并且,每一种正则项都存在自身的缺点。为了弥补上述不足,更好的去除图像噪音和模糊,提升图像的复原效果,本文重点研究了去除图像噪音和模糊的自适应复原方法。主要包含如下三个方面。1.在图像只存在高斯噪音和模糊的情况下,先给出去除噪音和图像模糊的基本架构。并在这架构的基础之上,利用理想情况下图像复原的要求,通过分析和证明,找到了合理的正则函数及其对应参数的构造方法。2.将高斯噪音和模糊的情况进一步推广,在图像含有混合噪音和一般模糊的情况下,结合前人的研究成果,首先给出图像复原模型的基本结构,然后根据理想的图像复原要求,通过分析逐步完善模型的一些未知参数的选定。3.为更好地获取图像的空间信息,改进了现有的空间信息指示器并分别引入于本文所构建的两个模型中。进一步地,基于所提出的改进了的逐步非凸(graduated nonconvexity,简称GNC)算法,对模型进行了求解。最后,通过仿真实验,表明了本文所提出方法在处理图像复原问题时的优越性。