在获取图像的过程中有许多因素会导致图像质量的下降即降质，如光学系统的像差、大气扰动、运动和系统噪音，它们会造成图像的模糊和变形。图像复原的目的就是对退化图像进行处理，使其复原成没有退化前的理想图像。目前图像复原的方法主要是进行图像滤波，对图像滤波的要求是既能去除图像以外的噪声，同时又能保持图像的细节。由于噪声和图像细节在频带上混叠，所以在图像滤波中，复原图像的去噪与细节保持往往是一对矛盾。图像复原问题是图像处理中重要而又富有挑战性的课题，至今仍没有完全解决。 本文以传统的数字图像复原算法为基础，探讨了几种图像复原算法，并力求使其图像复原效果较传统算法有所提高。 第一章绪论部分回顾了近年图像复原研究工作的进展，给出了本文的思路和结构。 第二章开始简要介绍了数字图像处理的概念、模拟图像的数字化及其数字图像的表示，然后给出了噪声的数学模型及其复原算法的基础知识，最后引入描述数字图像复原效果的儿个客观评价指标。 第三章主要论述基于空间域的数字图像复原算法。开始部分给出了数字图像降质和复原模型。接着回顾了常见的几种传统的基于空间域的数字图像复原算法。最后在传统算法基础上提出了混合噪声的自适应滤除算法、基于全方位多结构元的加权均值滤波算法。 第四章主要论述基于变换域的图像复原算法。本章分两大部分，前一部分主要以傅立叶变换为工具，后一部分主要以小波变换为工具。开始简要介绍二维图像的傅立叶变换及其时域卷积所对应的频域乘积特性。接着简要回顾维纳滤波和约束去卷积滤波两种常见的基于频域的图像复原方法，类推出迭代盲图像复原算法。最后利用小波变换的多分辨率特性提出两种去躁算法。 以上所述算法较传统算法均有所改进，图像复原效果较为理想。