随着信息技术的不断发展,移动互联网和社交网络广泛兴起,以数字化为基础的多媒体技术逐渐在人类社会的各个领域得到越来越广泛的应用。图像/视频等视觉信号是数字多媒体内容的主要载体之一。数字图像质量在人类视觉信息感知和通信过程中有着十分重要的影响。在数字图像的采集、存储、传输和处理过程中,不可避免地受到诸多因素的影响,使得最终接收到的图像产生视觉质量的下降。对降质图像进行复原一直是数字图像处理领域中较为基础和重要的研究领域。图像复原是对图像降质过程的逆过程求解。由于在降质过程中信息发生了丢失,图像复原问题作为逆问题的一种通常具有较大的病态性。利用自然图像的先验信息来对解空间进行约束是图像复原问题的基本思路。图像先验模型不仅能够约束图像复原问题的最优解满足唯一性,而且可以使其符合人类视觉感知特性。因此,图像先验建模研究一直是图像复原研究领域的热点之一。本文以图像先验建模为出发点,重点针对图像插值、超分辨率重建、图像和视频去噪以及编码块效应去除四个图像复原问题展开深入的研究。　　本文的主要创新点包括以下几个方面:　　(1)提出了一种基于隐式分段自回归模型的图像插值方法。根据自然图像信号的非稳态性质,对图像信号的分段统计稳态区域的不规则形态进行了分析。针对图像局部统计稳态区域统计量估计存在较大误差的问题,提出了一种基于概率描述的方法,能够隐式地刻画非规则统计稳态区域的几何形态,提高回归模型参数估计的鲁棒性和准确度。同时,将结构相似度概率引入到局部窗口软决策联合估计的优化目标函数中,通过加权最小二乘估计输出最终的高分辨率像素估计值。该方法能够改善自回归模型对图像局部结构的适应性,从而在完成插值目标的同时保持边缘和纹理结构的清晰明锐。　　(2)提出了一种基于结构上下文约束稀疏模型的图像去噪和超分辨率方法。通过对图像稀疏分解统计特性的分析,提出了一种结合图像结构上下文信息的局部稀疏模型,并采用马尔科夫随机场对全局图像进行建模,将局部稀疏模型扩展为全局图像稀疏先验模型。同时,针对模型参数和稀疏模式复原的联合估计问题,提出迭代数值算法并给出优化策略。结合图像结构上下文信息的稀疏模型能够提升传统稀疏模型在稀疏分解过程中的鲁棒性,提高对局部纹理结构细节的推断能力。最终,通过图像去噪和超分辨率重建应用验证了所提出模型的鲁棒性和复原方法的有效性。　　(3)提出了一种具有光照条件鲁棒性的非局部视频去噪方法和基于非局部联合稀疏性的图像超分辨率方法。针对传统非局部视频去噪方法对光照条件变化缺乏鲁棒性的问题,通过对几种图像亮度处理技术的比较,验证直方图规定化滤波对局部窗口对比度调整的鲁棒性,并将该滤波处理与非局部相似图像块搜索相结合,对传统非局部视频去噪方法进行改进,实验结果验证了该方法的有效性。其次,结合图像非局部相似性,构造图像块集合的联合稀疏求解,提高基于稀疏表示的图像超分辨率重建方法的鲁棒性和纹理复原能力。通过大量的实验验证了所提出的超分辨率重建方法对传统稀疏模型方法的性能提升。　　(4)提出了一种基于图像块矩阵低秩性的图像/视频编码块效应去除方法。针对图像编码去块效应问题,根据自然图像中包含着大量的自相似结构的特性,利用图像块匹配构造图像自相似结构数据矩阵,采用低秩优化的数值算法从带有量化噪声的数据矩阵中复原原始图像数据矩阵,继而从复原的数据矩阵中抽取复原图像块,重构原始高质量图像。同时将图像块相似搜索扩展到三维视频时空域来解决视频编码块效应问题,并针对视频帧间闪烁问题,提出一种自适应多尺度时域滤波的方法,有效消除帧间视觉闪烁效应瑕疵。实验结果证明,提出的方法在取得了较好的块效应去除效果同时能够有效提升视频整体的视觉体验。