本文主要针对结构噪声：数学上非独立同分布、视觉上具有特定结构模式的噪声，譬如自然图像中雨条、遥感图像中条带、医学图像中伪影等。结构噪声图像复原目的在于从包含结构噪声的图像中恢复出损坏或丢失信息，获得清晰图像的真实面貌。结构噪声由于其相邻像素结构相关、几何形态变化大、统计分布复杂的特点，使得其建模表达与抑制困难。现有方法大多局限于常见的随机噪声，结构噪声图像复原方法研究较少且不系统。本文针对任意角度线形结构噪声、混合结构噪声、复杂形态结构噪声三类典型结构噪声，建立基于图像分解的结构噪声图像复原理论框架，重点研究结构噪声建模与时-空-谱图像表达两大关键问题，从稀疏统计优化或深度学习角度出发，提出相应的结构噪声图像复原算法，并成功应用于各类成像系统中结构噪声抑制。论文的主要研究内容如下：
　　首先，针对遥感图像线形条带结构噪声，提出低秩变分分解框架及条带噪声抑制方法。揭示线形结构噪声在变换域内的低秩稀疏性，使用低秩约束来刻画线形结构噪声。从图像分解框架出发，联合图像与线形结构噪声的特性知识，增强二者特征间的区分度，提升线形结构噪声抑制效果。大量客观与主观的实验结果表明，该方法在遥感图像线形条带噪声上取得了优于当前最好方法的效果，对于多种成像体制中线形结构噪声具有适应性与鲁棒性。
　　其次，针对任意方向线形结构雨条噪声角度未知的问题，在低秩变分分解框架基础上，引入旋转操作算子来刻画雨条角度，挖掘其在旋转变换空间的稀疏低秩特性，提出旋转变换低秩变分分解的雨条噪声抑制方法。通过交替优化策略，自适应估计线形雨条、清晰图像和旋转角度，达到抑制雨条的目的。其次，将旋转分解思路从优化框架拓展到数据驱动深度网络模型，利用网络强大的表达能力，提出渐进式方向引导卷积神经网络雨条抑制方法。构建渐进式引导机制，实现雨条角度先验引导雨条层估计，使得图像能预先感知雨条区域和强度，模型判别性更强从而达到更完美的图像细节与雨条分离目的。本文方法不仅能完美抑制雨条，更能有效提升对后续高层视觉检测识别任务精度。
　　再次，针对统计分布特性复杂的随机-线形结构混合噪声，提出残差卷积神经网络高光谱图像混合噪声抑制方法。鉴于混合噪声统计分布高度复杂，利用卷积神经网络强大的拟合逼近能力，以逼近拟合代替精确表达为指导思路，避免显式数学统计建模混合噪声的难点。受残差网络启发，通过学习残差即混合噪声而非图像本身，使得网络能更好的训练。进一步将深度残差网络拓展到对抗生成网络，在定量与定性指标间取得更好的平衡。本文方法在混合噪声抑制、处理速度等指标上均优于当前最好算法。
　　进一步，针对环形、斑块等复杂形态的结构噪声，提出噪声先验感知的卷积神经网络复杂结构噪声抑制方法。揭示噪声分布与抑噪算子二者间的关联机制，通过双通道卷积神经网络分别估计图像与复杂结构噪声，实现噪声自适应估计与抑制一体化建模，将预估计的结构噪声作为指导信息引导图像层复原，达到对任意复杂结构噪声抑制的目的。在不同医学图像数据集上，实验结果表明提出算法在噪声类型、噪声等级鲁棒性、处理定量定性结果和处理速度等方面均处于领先水平。
　　最后，针对多谱段图像复原问题，为了更好建模时-空-谱结构相关性，提出谱空张量低秩复原方法。首先，提供矩阵低秩与张量低秩的统一理解，进而从理论和实验深入探讨了多谱图像的时-空-谱低秩张量特性，揭示张量低秩的物理意义及张量低秩在不同维度上差异性，发现张量不同维度低秩特性的最优组合，提出最优的低秩张量多谱图像复原模型。进一步，为了更细腻度的刻画低秩张量高阶奇异值不同，提升纹理和结构的复原效果，引入自适应重加权稀疏化策略，提出了加权的低秩张量复原模型，并给出各问题的解析解形式。实验结果在高光谱多谱段数据集、三通道彩色图像数据集、以及医学序列图像上优于当前领先水平方法。