随着移动互联网和智能设备的迅速发展，二维码图像在人们日常生活、商业活动等方面占据了非常重要的角色。然而，在图像获取的过程中，往往会受诸多因素的影响，造成图像的细节、关键信息的丢失。图像复原技术就是为了改善图像质量而提出的。图像复原作为典型的病态反问题，其未知量过多，难以得到稳定可靠的解，因而目前的复原算法通常利用退化系统中的一些假设或先验知识作为求解模型的约束，通过最小化目标函数来求解最优近似解，恢复图像的本来面貌。二维码图像复原在商品支付、信息交换、网站登录、商业广告等生活各方面都有极其广泛的应用和研究价值，然而目前针对二维码图像的复原算法研究甚少，面对这样的现状，本文主要在以下几个方面研究了二维码图像的复原算法：
　　首先，简要概括了图像复原的研究背景和意义，介绍了图像复原的国内外研究状况，总结了现有的经典图像复原算法，分析了以二维码为代表的二值图像复原算法的研究现状，提出了探索更高效的二维码图像复原算法的必要性。
　　其次，介绍了图像退化/复原的过程和模型，总结了图像复原研究的经典算法，重点引出和推导了滤波法，比较不同方法的优缺点；介绍了正则化方法中最广泛应用的迭代求解法，深入理解了模型的求解方法，并且给出了主观和客观的图像质量评价指标。
　　然后，提出了基于二值约束和稀疏正则化的二维码图像复原算法，通过观察分析二值图像灰度和梯度直方图，将二值约束、像素和梯度的L0范数作为正则化约束，加入到最小化复原模型中。整个复原过程分为模糊核估计和图像估计两个步骤，通过不断交替最小化求解两个步骤的最优解，最终得到清晰图像和模糊核的估计值。
　　最后，提出了基于卷积神经网络的二维码图像复原算法，通过验证网络深度和不同损失函数对网络效果的影响，最终搭建了适用于二维码的复原网络，同时根据二值图像的特质，在L1loss值基础上增加了二值约束，保证网络在训练过程中保持图像的二值性。最后，对比实验证明了，不管是在主观视觉感受，还是在客观数值指标上，提出的网络均取得了最优的结果。相较于传统的迭代法，时间消耗更少，对噪声更鲁棒，整体的复原效果上得到很大的提升。