图像是人类获取信息的重要内容,大量清晰的图像对人们的日常生活和科学研究具有十分重要的作用。但图像在形成、传输和记录过程中都会受到诸多因素的影响,所以人类通过各种方式获得的图像一般都不可能是一个物体完整的描述,而只是一幅降质的图像记录。因此,研究和发展有效的图像恢复技术改善降质图像的质量就显得尤为重要。在图像恢复方面,由于图像信息本身的复杂性和它们之间较强的相关性,在处理过程中的各个层次可能出现不完整性、不精确性和非结构化等问题,因此将计算智能信息处理的方法应用于图像恢复,在一些场合比传统恢复方法具有更好的效果。遗传算法作为一种智能优化算法,是借鉴自然界选择和遗传机制的随机化搜索算法,其主要特点是在搜索空间中同时在很多点进行求解,利用随机规则引导搜索,且搜索不依赖于梯度信息,尤其适用于处理传统搜索方法难于解决的复杂和非线性问题。而模糊控制理论着眼于可用语言或概念表达的宏观功能,接近于人的思维和认识,是一种表达人类意识活动以及复杂事物的有效手段,并且具有指导控制对象的能力,能够很好地解决传统控制方法难以实现或奏效的控制问题。遗传算法和模糊控制理论相互结合的方法正是利用它们所允许的不精确性、不确定性和部分真实性,以得到易于处理、鲁棒性和成本较低的解决方案,因此是一种具有发展潜力的图像恢复方法。本文围绕模糊遗传算法的改进及其在图像恢复中的应用主要做了以下三方面的工作。首先,针对遗传算法的早熟收敛问题,提出一种改进的模糊遗传算法。它将群体适应度的均方差和种群的进化代数一起作为模糊逻辑控制器判断早熟收敛的标准,并根据判断结果对优劣不等的个体采取相应的进化方法,即当种群正常进化时对个体执行“惩强扶弱”的措施以保持种群的多样性,一旦发生早熟收敛或有早熟收敛的趋势则对劣质个体进行局部变异,以恢复种群的进化能力。通过实验仿真并与其它几种遗传算法进行比较,证实了这种算法在抑制早熟收敛和保持种群多样性方面的优势。其次,为了避免采用遗传算法进行图像恢复时存在的弊端,如局部搜索能力差、运算开销较大的问题,提出一种基于模糊遗传算法的图像分块恢复方法,即采取“分而治之”的方式,将大尺寸的降质图像均匀划分为若干子图像块,对各子图像块依次采用遗传算法恢复,以减少进化过程中的数据量,使各子图像块都能在短时间内获得较好的恢复效果。另外,由于图像划分后各子图像块的灰度级分布也有所不同,有的是灰度级单一的背景,有的是灰度级丰富的细节,有的则可能位于前两者的交界处,具有较强的边缘信息,因此还将各子图像块直方图统计数据输入模糊逻辑控制器自适应地调整适应度函数的参数、适应度拉伸时的退火初始温度、交叉概率和变异概率,以获得更好的恢复效果。最后将恢复后的子图像块重组为整幅图像,并对因分块所造成的边界噪声进行相应处理。该算法无论在运算速度、内存消耗以及恢复质量方面,都较传统的图像恢复遗传算法有很大提高。最后,将模糊遗传算法用于图像的盲恢复,并在论文中假设点扩散函数是空间移变的,并分点扩散函数的类型已知和未知两种情况进行讨论。由于上文分块算法中存在边界噪声严重的问题,论文提出一种根据图像退化情况采用三角形网格划分图像的方法,它考虑到相邻像素间的相关性,利用“中心极限定理”将降质图像中具有相似峭度的相邻三角形图块共同组合成一个不规则的子图像块。另外,引入微种群遗传算法和标准遗传算法一起交替迭代进行图像恢复和点扩散函数的估计,因为微种群遗传算法的种群规模较小,运算复杂度低,并具有一定的局部微调能力,弥补了标准遗传算法进行图像恢复时的缺陷。当点扩散函数的类型已知时,微种群遗传算法估计点扩散函数的参数;而当点扩散函数类型未知时,则需对点扩散函数矩阵进行估计,同时在标准遗传算法每一代进化结束时利用参数模型对估计的最佳点扩散函数进行基于模糊控制的修正,修正权重为该点扩散函数与某种已知模型的相似度。另外,为增强算法的降噪能力以及对细节信息的保护,还在微种群遗传算法每次迭代后对最佳子图像块进行基于直方图统计的修正。实验结果表明,这种算法能够较好的恢复不同类型的空间移变降质图像,对各种噪声的抑制能力也很强。