由于测量过程或其他物理条件以及噪声的介入,我们常常只能获得降质的观测图像。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。由于图像的降质过程往往表现为一个低通滤波过程,因而图像复原是一个典型的病态问题。小波基具有灵活的时频伸缩能力,能够非常有效表征含边缘和突变点的图像,用小波分析对图像进行复原保持边缘能够取得十分理想的效果。目前,以小波为工具进行的数字图像复原研究是图像复原领域的一个热点。论文在深入系统地研究了多种图像复原的方法,并分析各自的本质特性及优缺点的基础上,引出了傅立叶域与小波域相结合的图像复原方法:小波域复原算法保边缘性好但计算复杂度高,频域复原算法简单但保边缘性差,两种算法具有互补性质。可见,单独在频域或小波域中进行图像复原,无法在复原效果和计算效率上很好地折中;而本文提出的结合小波域和频域的复原算法为降质图像的复原提供了新的思路。本文采用一种改进的小波域规整化复原方法,即频域规整化求逆、小波域阈值收缩的图像复原算法,仿真结果验证了该算法的有效性。将双变量(Bivariate)模型应用到基于病态系统的傅立叶小波规整化反卷积算法(ForWaRD)的图像复原中。利用ForWaRD算法,首先把模糊加噪的降质图像在傅立叶域中进行维纳滤波器规整化反卷积,然后在小波域中进行去噪处理,以Bivariate概率分布函数作为自然图像小波系数向量的先验模型,可以取得较好的复原效果。