人们获取外界信息主要依赖于视觉。在图像的采集、成像、传输以及图像的处理过程中都会有各种各样的因素导致图像质量产生退化,如噪声、模糊、失真等等。在实际应用中,大多数情况我们需要的图像都要有较高的清晰度。但是图像的退化是不可避免的,所以近几十年来,很多学者都致力于研究图像的复原工作。图像复原是图像处理其它领域的基础。图像复原有广泛的应用空间,如计算机视觉、智能交通、航空航天、医学等等。所以对图像复原的研究具有重要的学术意义和应用价值。很多图像复原的方法是对图像进行滤波处理。图像的纹理边缘与图像的噪声等退化信息都属于图像的高频信息,所以在滤波的过程中怎样将图像的纹理与图像的噪声区别开来就成了滤波模型的重点。近年来发展出了很多十分有效的图像复原方法,如：非局部方法、小波变换、偏微分方程、神经网络等等。本文研究非局部方法在图像去噪和去模糊领域的应用,主要工作和成果如下：1.针对非局部均值去噪算法图像纹理易丢失的现象提出了基于非局部均值算法(Nonlocal Means Filter, NLM)与纹理边缘提取的去噪方法。非局部均值滤波算法利用图像的非局部自相似特点,具有很好的去噪效果,但是图像的边缘纹理等细节不易被保留。针对这一缺点,本文在NLM算法的基础上,提出一种图像去噪算法,利用图像边缘提取技术找回图像丢失的细节,并将其叠加融合回去噪后的图像,从而提高图像边缘纹理保持性能。将改进后的算法与原NLM算法和目前有代表性的算法进行了实验比较。实验结果表明本文算法具有去噪保边缘效果好,算法的实现和参数设置更为简单方便。2.研究了几种TV模型和非局部算子,提出了一个新的NLTV模型,解决了Gilboa和Osher提出的NLTV模型在数值实现过程中需要事先估计噪声方差的问题。实验证明此模型在去除图像噪声时得到的峰值信噪比比Gilboa和Osher提出的NLTV模型及其它算法高,并且具有较好的纹理保持能力。3.将非局部方法应用到匀速直线运动模糊参数估计中。提出了对图像进行取子图像,分别获取子图像PSF,再对这些子图像的PSF进行非局部平均,从而得到匀速直线运动模糊PSF参数估计的方法。实验结果显示此方法有效的减小了点扩散函数(PSF)估计的误差。最后,对全文进行总结,并对进一步的研究提出一些展望。