随着科学技术的发展,图像作为最常见的多媒体数据之一,在交通管理及公共安全等领域的应用显得越来越重要。在交通管理中,图像为交通警察提供车辆信息、道路路况,为交警在肇事现场取证等提供依据;在公共安全方面,在现场取证中,拍摄图像也是现场取证的重要方式之一。然而由于数字图像,特别是视频监控图像,在其图像获取过程中,因为很多内外方面的因素影响,会导致获取的图像模糊,造成图像所承载的信息量减少,这使得在公安司法执法过程中,使其用途功能大打折扣,而且随着国家和社会发展中人们对安全需求期望值的提高,模糊图像的复原成为越来越多的人所关注和研究的热点问题。图像复原的研究经历了数十载,随着科学技术的日新月异,对于图像复原方法的研究也逐步进入到一个高速发展的阶段,以前传统的单一的图像退化模型已经不符合当前对图像复原需求快捷准确通用的社会价值。随着机器语言的发展,人工智能算法的不断完善,将图像复原与人工智能技术相结合,获取图像质量更高的复原效果,成为当前图像复原领域的发展趋势。由于BP神经网络构成简单,可操作性强,理想状态下的BP神经网络可以在输入的数据中,自己组织自己学习,并且可以发现总结所输入的样本数据中的一些内在的规律,利用BP神经网络对于输入和输出能够进行任意非线性的拟合等优点,与图像复原技术中所遇退化函数多种多样的问题,本文在介绍并实现传统图像复原算法的基础上,进行了BP神经网络算法与图像复原技术的研究,并且通过实验验证了BP神经网络算法相对于传统经典的图像复原方法,取得了比较好的提升。