图像信息是人类认识世界的重要信息来源,然而由于图像成像条件和图像传输过程中存在不良因素,会使图像质量下降,从而影响图像的使用和其后的处理。如何从降质图像复原出清晰的、内容丰富的图像是人们所普遍关注的问题,在国民经济和国防建设等诸多方面有着巨大的应用价值和理论研究意义,这就是图像复原要解决的问题。图像复原是图像处理领域中重要的研究内容。图像复原是一个不适定问题,这使得在求解算法中需要引入一定的约束条件,将不适定的图像复原问题转变为适定问题。论文以先验约束模型为贯穿全文的线索,主要针对图像复原问题中的图像去噪和图像超分辨率处理这两个方面的内容展开了研究和讨论。论文取得的创新性成果主要有:1)研究了基于双边滤波全变分(bilateral total variation, BTV)先验约束的图像超分辨率复原方法,针对其在实际应用中存在的图像帧选取问题,提出了参考帧和参与超分辨率处理的图像帧数据集的选取准则,设计了一种优化图像序列的超分辨率处理框架,初步解决了存在大范围运动位移时的,超分辨率处理算法的适应性问题;2)研究了图像超分辨率复原算法中的稳健性问题,考虑了在低分辨图像序列中存在局部运动离群值情况下,图像超分辨率算法的稳健性解决方案,利用初始步骤的分层策略,提出了一种基于分层组合模型的图像超分辨率复原方法,初步解决了存在局部运动离群值的图像超分辨率复原问题;3)研究了基于专家场(Fields of Experts, FoE)先验的图像复原方法。首先在传统专家场模型的迭代推断算法中,提出一种迭代求解的自动停止准则,提高了专家场图像去噪算法的去噪效果,并克服了传统专家场模型推断中必须假设噪声方差已知的前提要求,将专家场图像去噪方法较好的推广到实际噪声图像的去噪任务中;随后分析了传统的专家场模型中所存在的不足,提出了一种具有边缘保持特性的专家场模型,获得了优于传统专家场模型的边缘保持效果;最后将高阶MRF(Markov Random Fields)先验引入图像超分辨率复原方法中,提出了一种基于专家场先验的图像超分辨率复原方法,扩展了传统基于低阶MRF的图像超分辨率复原方法的模型表述能力,改善了算法的超分辨率复原效果;4)研究了基于非局部先验的图像复原方法,提出了一种NL-means图像去噪的投影加速算法。该算法提出利用Walsh Hadamard核的快速运算和自递归特性,使用一组完备的Walsh Hadamard基将图像块投影到其张成的空间中,然后利用Walsh Hadamard投影的能量集中特性和匹配计算过程中的拒绝策略,在NL-means去噪算法的图像块匹配计算中,快速地丢弃不符合匹配条件的图像块,使得算法在去噪效果没有受到影响的同时,计算速度得到了较大的提升。