科学技术高速发展,各种数字信息以不同的形式在日常生活中传递。其中,图像信息也越来越被广泛使用。在图像的产生、传递、存储过程中,常常因为各种原因使得图像变质或退化,这对图像的后续处理带来极大的负面影响。因此,许多专家学者致力于研究图像恢复技术,利用新型的智能群体优化算法进行图像恢复更加成为热门。2005年,人工蜂群(Artificial Bee Colony,ABC)算法被正式提出,该算法模拟蜜蜂的群居行为及觅食特征,构建算法流程对蜜蜂寻找优质蜜源的过程进行描述,具有参数少、计算速度快、鲁棒性强、避免陷入局部最优的特点,是一种高效的全局性搜索最优的算法。本文尝试将人工蜂群算法应用于图像恢复中,利用人工蜂群算法实现图像去噪及盲图像恢复。本文提出一种基于人工蜂群算法的图像去噪方法。该方法通过标记噪声矩阵,基于图像相邻像素相关性的特征,利用人工蜂群算法对噪声点进行估计并替代,从而实现图像去噪。本文还改进了噪声矩阵的标记方法,提出基于邻近像素值比较与四方向法相结合的噪声标记法,结合图像的边缘信息,降低噪声误判概率,并用阈值判断法对噪声点的标识加以控制。通过实验结果表明,该方法可以有效进行噪声标识,对比传统的阈值判断法,噪声识别准确率明显提升,噪声误判率降低至5%。通过与传统图像去噪方法比较,利用本文算法实现的去噪图像,其峰值信噪比PSNR、改善信噪比ISNR更高,图像质量提升更明显。本文还将人工蜂群算法应用于盲图像恢复中。在对退化过程没有先验知识的前提下,采用人工蜂群算法估计退化过程的点扩散函数,并利用约束最小二乘方滤波法恢复图像,交替迭代获得最终的原始图像估计。实验结果表明,本文算法能够有效估计点扩散函数,实现图像恢复。选择合适的参数能够使得算法收敛速度更快,恢复质量更高,振铃效应降低。对比其他盲图像恢复方法如:盲去卷积法、基于粒子群算法与基于遗传算法的图像恢复方法,采用本文算法恢复的图像,其峰值信噪比PSNR、改善信噪比ISNR、结构相似度SSIM、视觉信息保真度VIF均明显优于其他几种方法,表明图像恢复效果更好,与原始图像更接近。最后通过实验验证本文算法在彩色图像恢复中同样具有可行性。