人们主要通过眼睛获取外界信息,并且大部分信息最终以图像的形式保留下来。但是,人们在使用不同观测设备及各种手段获取信息和储存图像的过程中,受到各种不可控条件的影响(如硬件设备中的噪声、散焦模糊、运动模糊等),导致图像不清晰,甚至严重丢失图像中的关键信息,从而使图像失去了实用价值。为了解决这些问题,人们提出了图像恢复算法,并且将这些算法广泛应用于医学、航空、工业、军事等领域。但在这些领域应用的过程中发现恢复算法存在一些缺陷,导致恢复效果不佳,所以图像恢复算法需要进一步研究和改进。图像恢复算法中,Richardson-Lucy反卷积迭代算法具有收敛速度快,能较好地保留图像信息等优点,而被广泛使用。但是对有噪声的模糊图像来说,该算法随着公式的不断迭代不仅使噪声不断加大,甚至还会使图像严重变形和失真;自适应中值滤波是中值滤波的改进方法,它改善了中值滤波在滤噪和保留图像细节方面的冲突。本文针对传统运动模糊图像恢复的R-L算法存在噪声放大的问题,以及为了更好地保留图像高频信息,提出了自适应中值滤波与R-L相结合算法和基于经验模态分解与R-L相结合的两种图像恢复算法。这两种算法提高了图像清晰度以及图像质量。论文的主要工作如下:1、首先从图像的退化过程、噪声的分类、去噪的方法、图像恢复算法和图像质量评价指标等五个方面介绍了含噪模糊图像的形成以及分析方法。同时,分析了几种经典图像去噪方法和图像恢复算法的优缺点。2、提出了 Richardson-Lucy图像恢复算法和自适应中值滤波相结合的算法,给出了算法的原理和计算过程,并将该算法和直接使用R-L算法以及R-L与中值滤波相结合的图像恢复算法对比,从图像主观视觉、峰值信噪比以及算法运行时间三个方面对算法性能进行了仿真。通过三种算法的比较,证明了该方法可以有效地抑制图像中的噪声放大问题,较好地丰富了图像边缘信息,并且获得了较好的图像恢复效果。3、在使用图像算法进行处理时,由于图像的高频信息和噪声信息相接近,致使在滤噪过程中,误将高频信息当做噪声进行了滤除,从而丢失了图像的某些信息,导致恢复出来的图像特征不明显。因此,对提出的算法加入了二维经验模态分解和主成分分析法来克服这个缺陷。首先将含噪运动模糊图像使用二维经验模态分解成高频层和低频信息层;再将含有噪声信息的高频层经过主成分分析法来确定滤波层数,这样在滤除噪声的同时更好地保留了图像高频信息。经过和前面三种算法的比较,证明该方法很好地保留了图像特征,更好地丰富了图像细节,并且使图像恢复质量得到了明显提高。本文主要以含噪运动模糊图像为例,提出了两种图像恢复算法。第一种算法很好地解决了 Richardson-Lucy算法噪声放大、收敛不稳定等缺点。但是,在保留图像某些信息方面还有待改进。因此为了抑制这个缺陷,提出了第二种算法。该算法更好地保留了图像高频信息,更加地丰富了图像细节,对图像恢复具有一定的意义。