近年来,随着电子信息技术的飞速发展,各种成像设备,例如数码相机和智能手机等,层出不穷。这些成像设备不但丰富了我们的业余生活,而且在众多领域中都扮演着重要的角色。在实际应用中,设备的成像质量会受到多方面因素的影响。一方面,由于不同环境因素的影响(例如光照变化和天气原因)以及采集设备的物理限制,数字图像在成像过程中不可避免受到不同程度的噪声污染;另一方面,数字图像通常内容复杂多变,呈现出不同的统计特性。因此,研究根据不同的应用需求,设计高效的自适应图像复原算法来处理不同统计特性的图像,并最终实现图像/视频的自适应增强在实际应用中具有重要意义。本文围绕自然图像拥有的不同先验信息,从图像去噪、图像超分辨和图像质量评价任务展开研究,针对图像复原中存在的典型研究问题进行研究,其主要工作和贡献点有以下方面:·本文从图像的局部先验出发,围绕双边滤波算法在图像去噪的应用,针对双边滤波算法存在的参数选择敏感和鲁棒性不足的缺点展开研究。针对双边滤波算法对高强度噪声鲁棒性不足的问题,提出了鲁棒相似性距离度量准则;针对双边滤波算法对参数选择敏感的问题,利用图像的统计特性,提出了内容感知的自适应参数选择机制。·利用图像中丰富的非局部相似先验,提出了基于Foveated非局部双域去噪算法和基于主成分分析的通用去噪增强框架。首先,针对基于变换域的去噪算法因吉布斯现象会产生振铃效应,造成图像视觉效果减低的问题,提出了基于Foveated非局部双域去噪算法。其核心是将图像信号分解成低频和高频部分,低频部分构造了一组基于视觉感知的相似性度量准则,使得图像滤波效果更加平滑;而高频部分则利用小波去噪来更有效地滤除噪声。其次,结合非局部相似和低秩先验,提出了一个基于主成分分析的通用去噪增强框架,用于提升现有的图像去噪算法。·利用深度学习从训练样本中学习图像的先验信息,提出了基于二阶注意力机制的卷积神经网络超分辨模型。提出的神经网络主要利用了特征层的空间和通道相关性。·针对退化失真的图像难以客观评价的问题,特别是复原算法产生的图像往往包含了多种退化失真类型(例如模糊、噪声和块效应失真),提出了基于结构退化的无参考图像质量准则,可以对包含多种退化失真的图像进行客观评价。该评价准则是基于人类视觉系统对图像结构信息比较敏感的特性而设计。