图像复原与增强是图像处理和计算机视觉领域中的经典问题，其目的是根据图像降质原理及相应准则，对降质图像进行相关复原或增强处理，从而提高图像质量以满足人眼视觉或后续处理的需求。虽然图像复原和增强算法已经取得了显著进展，但由于降质图像的多样性与复杂性，以及人们追求更高质量图像的需求在不断增长，使得图像复原与增强依然具有深入研究的理论与实际应用价值。本文以分而治之策略在图像处理中的应用为出发点，对降质图像进行相关复原与增强处理，为图像复原与增强提供了一种新思路与新途径，本文的创新性工作主要包括以下几方面内容:　　(1)提出基于分而治之的图像处理策略。与一般的通用子空间分解方法不考虑图像处理任务的需求不同，该方法依据图像处理任务的具体需求，将图像分解到不同的子空间，以充分挖掘与利用图像中不同子空间内容对于视觉的不同重要性以及差异化的稀疏先验等统计特性，并通过“分解-处理-融合”的实现策略，更好地完成相关的图像处理任务。相关图像噪声去除、图像非盲去模糊和图像增强等图像处理实验证实所提策略可以有效地提高上述图像处理的性能。　　(2)提出一种基于非参数贝叶斯鲁棒稀疏表示的混合噪声去除算法。该算法有效利用理想图像与不同类型噪声分别在自适应字典域和空间域的各自统计特性差异，通过非参数贝叶斯方法对理想图像、奇异点噪声和高斯噪声进行分而治之的建模，自适应地将上述三者进行分离以去除混合噪声。同时，此非参数鲁棒模型无需设定高斯噪声方差、奇异点噪声比例以及图像稀疏度等模型参数。实验结果表明，新算法在混合噪声去除和图像结构保护等方面上均优于主流的图像去噪算法，并在视频前背景分离和单幅图像去雨雪等实验中均取得不错的实验结果，也验证了此模型的优越性和分而治之策略的有效性。　　(3)提出一种基于分而治之策略的图像非盲去模糊框架。该框架通过对图像各子空间的“分解-处理-融合”实现策略，更准确地利用各子空间部分之间的先验统计特性的差异化，从而提高图像去模糊反问题求解的性能。同时，该框架通过对不同子空间赋予不同的权重，从而实现依据图像内容的视觉重要性进行差别化复原，使得去模糊后的图像边缘等结构更为清晰。相关实验表明，提出框架有效地提高多种经典或新近提出的非盲去模糊算法的性能，并更好地复原图像边缘等结构信息且对噪声伪影等具有一定的鲁棒性。　　(4)提出一种基于图像高频l1范数保真的非盲去模糊算法。该算法是在基于分而治之策略的非盲去模糊框架的基础上，进一步挖掘高低频子空间图像之间的保真统计特性差异，提出与验证高频子空间图像复原保真项采用l1范数的合理性。仿真结果表明，新算法在不同模糊方式和不同强度噪声中均优于当前非盲去模糊算法，尤其是体现在图像结构保护和噪声伪影抑制等方面，并通过实验验证图像高频l1范数保真的合理性和图像高低频分而治之策略的有效性。　　(5)提出一种基于子空间分解的自然性保持图像增强算法。此算法有效挖掘与利用图像高低频部分的各自梯度直方图分布统计特性以及视觉重要性等差异，对图像高低频部分进行各自自然性保持增强处理，即要求增强后的各子空间图像的梯度直方图分布特性与自然图像的各子空间图像的梯度直方图分布统计特性相一致。同时采用不同权重的融合方法实现各高低频子空间图像的有效融合。实验结果表明，新算法在图像自然性保持和细节增强等方面均取得较好的效果，并优于当前最优的自然性保持图像增强算法，也验证了图像高低频子空间分而治之的合理性与有效性。