图像处理技术已经发展成为一门应用广泛，内容丰富的综合学科。它的发展主要依赖于两个性质不同，自成体系但又紧密相关的研究领域：图像处理算法及其相应的电路实现。实际应用是推动图像处理算法研究和实现技术发展的动力。对图像处理算法以及硬件实现技术的研究目的是改善图像的视觉效果，提高图像处理的速度，为图像的进一步处理和分析做好数据准备，这些工作将产生很大的经济效益和社会效益。图像复原是一种依据观测图像和图像退化模型来估计原始图像的图像处理技术。对图像复原算法及其实现技术的研究一直是图像处理的一个重要的研究领域，并且有着广泛的应用前景。图像复原过程是病态反问题求解过程，噪声抑制和细节保护是图像复原的主要矛盾。针对这一主要矛盾，本文主要研究基于迭代计算的，具有细节保护功能的图像复原算法，电路结构以及FPGA实现技术。本文首先介绍课题的总体背景，然后对论文的主要研究内容进行了综述，针对图像复原问题，分别从算法，电路结构和FPGA实现技术三个方面介绍了国内外研究现状。对图像复原处理研究面临的主要矛盾和挑战进行了分析，并提出了解决办法。主要工作包括：首先，提出了局部特征驱动的非线性扩散图像复原算法。该算法克服了传统扩散算法的局限性，在图像的局部区域内提取图像中心矩作为图像的局部特征。图像的局部中心矩在计算过程中准确地描述了图像局部的平坦程度，从而自适应地控制扩散过程在图像的平坦区域中消除噪声，同时在有物体边缘的区域中保护图像细节，得到较好的复原结果图像。其次，进一步改进了局部特征驱动的非线性扩散图像复原算法，使其更适合用电路实现。电路结构采用了两级缓存结构，并使用并行处理技术和流水线技术。该结构实现了数据充分重用，明显降低了算法的计算强度。用Xilinx XC3S1000 FPGA实现了该算法的电路。实验结果表明，该电路具有较高的吞吐率和较强的计算能力。再次，针对被乘性噪声污染的观测图像提出了在FPGA资源约束条件下的图像快速复原处理的电路结构和实现方法。该方法根据点扩展函数的对称性，有效地利用FPGA资源，实现了对被乘性噪声污染的观测图像进行快速复原处理的FPGA电路。最后，针对退化图像提出了基于共生矩阵分析的复原算法。通过计算图像局部区域的共生矩阵，提取其纹理特征，对共生矩阵中非零元素进行聚类分析，并提出了图像局部区域细节强度的定义和计算方法，通过非线性函数自适应地调节复原处理的参数矩阵。此方法能够在保护图像细节和抑制噪声之间达到平衡。实验结果表明，复原结果图像的信噪比明显提高，视觉效果也得到明显改善。图像复原是病态反问题求解过程，也是运算密集型计算过程。图像复原处理是图像处理理论研究和工程实践中的难题。本文提出的算法和电路结构具有较高的理论意义和实际应用价值。