图像复原是图像处理的核心问题之一,它解决的主要问题是怎样根据实际退化的图像信息,设计相应的数学模型及其求解算法,以达到复原原始清晰图像的目的。如何根据图像的降质过程,以及图像先验信息构建出估计点扩散核函数与图像复原的数学模型,一直都是相关研究人员所要解决的关键问题。本文在总结图像复原基本理论知识,图像复原质量评价,以及贝叶斯方法在图像复原中应用的最新研究进展基础上,主要从以下几个方面展开研究：首先,从图像复原的基本数学模型出发,分别介绍了图像复原中的常见数学问题。主要有图像复原的一般退化模型以及图像复原先验模型的建立,分析得到本文研究图像复原问题,总结起来就是要解决两个重要问题：(1)在图像退化过程中,先验知识掌握的程度是如何影响复原结果的；(2)设计什么类型的算法,对图像进行反退化处理,以便得到原始的高质量清晰图像,从而达到复原目的。其次,基于贝叶斯理论的图像复原理论是本文研究的核心。本文分别对图像复原中的最大似然估计、最大后验估计及贝叶斯估计的基本理论进行推理证明,重点阐述了改进贝叶斯方法估计的详细过程,最后提出了去振铃效应的分区域检测和Fuzzy滤波器结合的方法。最后,提出了图像复原中的贝叶斯参数估计的常见算法。从参数估计的一般理论及图像的先验分布入手,结合图像复原问题中的经典参数估计问题,提出了贝叶斯理论下图像复原算法的数学描述,并且用实证分析法进行了数学实验。由于图像复原问题的复杂性及实际产生模糊图像的多样性,本文还有很多需要改进的地方。针对贝叶斯理论在图像复原应用研究中发现的问题,今后可以考虑从简化参数估计等方面来展开对实际问题的应用研究。