在获取图像的过程中有许多因素会导致图像质量的下降即降质，如光学系统的像差、大气扰动、运动、散焦和系统噪音，它们会造成图像的模糊和变形。图像复原的目的就是对退化图像进行处理，使其复原成没有退化前的理想图像。目前图像复原的方法主要是进行图像滤波，对图像滤波的要求是既能去除图像以外的噪声，同时又能保持图像的细节。由于噪声和图像细节在频带上混叠，所以在图像滤波中，为了复原图像的去噪与细节保持往往是一对矛盾。图像复原问题是图像处理中重要而又富有挑战性的课题，至今仍没有完全解决。 本文以传统的数字图像复原算法为基础，探讨了几种图像复原算法，并力求使其图像复原效果较传统算法有所提高。 绪论部分回顾了近年图像复原研究工作的进展，给出了本文的思路和结构。 第2章首先简要介绍了数字图像处理的概念、模拟图像的数字化及其数字图像的表示，然后给出了噪声的数学模型及其复原算法的基础知识，最后引入描述数字图像复原效果的几个客观评价指标。 第3章主要论述基于空间域的数字图像复原算法。开始部分给出了数字图像降质和复原模型。第2节回顾了常见的几种传统的基于空间域的数字图像复原算法。第3节在传统算法基础上提出一种混合噪声的自适应滤除算法，实验表明该算法在有效地去除混合噪声的同时具有较强的细节保持能力。第4节提出一种基于全方位多结构元的加权均值滤波算法，该算法有效地利用多结构元的方向性对传统的加权均值滤波算法进行改进，减小了加权操作的盲目性和主观性，降低了重噪声点的影响。实验表明，该节所提算法图像去噪效果(尤其是对纹理特征明显的图像)较传统的加权算法有明显的优势。第5节阐述了一种新颖的适于图像细节保持的四态均值滤波算法。该算法以均值滤波和加权滤波为蓝本，根据对滤波窗中心像素被噪声污染程度的判断来选不同的滤波输出，力求在图像去噪和细节保持之间取得均衡。实验表明该算法较传统算法在图像复原方面有明显改善。第6节提出并分析了一种基于相关度的层叠滤波算法。根据数字图像的存储特点，把一数字图像分成N幅位平面图像，把对一幅数字图像的复原变为对N幅位平面图像的复原，因每一幅位平面图像都是二值图像，所以复原操作速度快，易于用硬件实现。 第4章主要论述基于变换域的图像复原算法。本章分两大部分，前一部分主要以傅立叶变换为工具，后一部分主要以小波变换为工具。第1节简要介绍二维图像的傅立叶变换及其时域卷积所对应的频域乘积特性。第2节分析一种迭代滤波盲复原算法。先简要回顾维纳滤波和约束去卷积滤波两种常见的基于频域的图像复原方法，抽出这两种滤波器的本质，类推出一种新的迭代盲图像复原算法，该算法可应用于降质函数未知的场合。第3节介绍小波变换及其特点。第4节介绍一种借助于小波变换，通过对小波变换的高频系数进行直方图匹配来达到图像复原目的的新算法。该算法巧妙利用直方图匹配数字图像复原算法研究操作，使降质图像的小波变换的高频系数匹配于对原图像小波变换的高频系数所建的模型。这样，在不改变它们大小次序的前提下使其幅度减小以符合既定的规律，从而达到复原图像的目的。第5节讨论一种基于小波变换的图像融合去噪算法。该算法充分利用小波变换的多分辨率功能和同一图像的不同降质图像的小波分解系数的特点，即:与原图像相对应的系数相同或相近，与噪声相对应的系数有较大差异，这样通过系数的取舍来融合图像以达到复原图像的目的。 以上所述算法较传统算法均有所改进，图像复原效果较为理想。进一步的研究将探索它们的改进算法，使其更加快速、高效和智能化，使复原图像更加逼近原图像。