随着数字化技术的不断发展，数字图像的采集、处理及传输得到了深入的研究与广泛的应用。在实际的图像采集过程中，由于系统的非理想特性以及难以避免的各种干扰，数字图像的最终质量往往低于真实的图景。图像在采集、处理及传输中的降质过程统称为图像退化。从退化图像中根据已知先验信息恢复出原始图景的过程即为图像复原。　　图像复原起源于天文图像处理。天文图像采集成本较高，采集图像的退化将造成难以估量的损失，采用点光源通过同一图像采集系统成像，可以对系统点扩散函数进行合理估计，基于已知的点扩散函数对采集图像进行复原处理，可以获得更接近原始场景的数字图像，这一技术在天文图像观测、理解以及分析上有着重要的意义。图像复原技术发展至今，已经应用到医学成像、胶片重建、多媒体图像处理、刑事侦查等众多技术领域，具有广泛的应用前景和极大的应用价值。　　根据点扩散函数是否已知，数字图像复原技术分为经典图像复原以及盲复原两大类。经典图像复原主要面对的问题是图像复原过程中固有的病态性。在退化过程中，成像系统不可避免的会引入系统噪声。噪声对复原的影响不可忽视，它对初始值(退化图像)的微小扰动会对解(原始图像)产生剧烈影响，此即为图像复原的病态性问题。如何抑制噪声对复原过程的不良影响，将复原过程良态化，是经典图像复原方法主要解决的问题。为解决这一问题，相应产生了伪逆滤波、维纳滤波、Tikhonov正则化等重要理论方法，通过加入对原始图像的先验假设，将解限定在合理范围内的方法良态化图像复原问题，有效抑制了噪声对复原结果的影响，保证了复原效果。　　当系统点扩散函数未知时，模糊机理难以用已知的模型表示，此时需要同时对点扩散函数和原始图像进行估计。这一问题被称为盲复原问题。由于可以采用的先验知识较少，需要估计的参数增多，复原结果依赖于点扩散函数的估计精确程度，盲复原问题的难度远远大于经典图像复原。现有的方法往往根据退化图像的特性对其进行解卷积，估计点扩散函数以及原始图像。　　除复原方法本身以外，数字图像清晰度客观评价方法也对图像复原起着着重要的作用。将数字图像清晰度客观评价方法应用于评价复原结果的清晰度，将有利于对比不同复原方法的优劣。另一方面，清晰度评价也是本文将要介绍的基于同源连续性的图像复原方法的重要组成部分。基于同源连续性的图像复原以多步反推代替了传统的单步反推，而每步反推的结果需要基于有效的客观评价方法确定反推参数，定位反推点。　　本文主要通过介绍高维仿生信息学中的同源连续性原理，并分析图像退化轨迹中存在的这一特性，提供基于同源连续性的图像复原方法的理论基础、规律总结以及算法实现。首先通过在通用的成像模型上，不断加大模糊半径，建立图像退化轨迹，以二维连续信号为基础，证明一般性信号在退化过程中连续变化；然后将该结论推广至离散采样信号(数字图像)，给出图像退化轨迹满足同源连续性的理论证明；然后通过LLE与ISOMAP非线性降维方法对测试图像退化轨迹进行降维可视化，确定其内部自由度，观测高维轨迹在低维近似时表现出的规律，用以辅助复原算法设计；最后根据已有规律，采用“模糊-清晰-模糊”的多步反推模式设计复原算法，实现半人工图像复原工具，分析复原结果。　　本文同时提出了新的图像清晰度客观评价方法：SVO(SubjectiveVS.Objective)方法，并对比了其与现有算法在通用评价上的能力。SVO在通用评价上显示出单调性好、稳定性高、灵敏性强等优势，但是对于不同内容图像的绝对清晰度评价方面仍需改进。　　基于同源连续性的图像复原以多步反推、逐步逼近的方式，对原始图像进行合理估计，该方法不同于传统图像复原的单步反推方式，每步反推都寻找同源连续点中的最优解，因此能够很好的克服复原问题中固有的病态性；另一方面该方法不强烈依赖于点扩散函数的估计，因此更适用于盲复原领域。现有工作提供了该方法完备的理论证明、实验规律总结、SVO清晰度评价方法设计以及算法初步实现，给出了特定模糊机理下退化图像的良好复原结果；在符合人眼视觉特性的清晰度客观评价、自动图像复原算法设计及算法优化上尚需要进一步发展和改进。