图像退化是指图像在采集、传输、处理等过程中会受到外界环境或者硬件设备的影响而产生失真,在实际应用中需要对退化图像进行有效的复原处理,这也是图像在其他领域中得到应用的前提条件。图像复原技术广泛用于社会的各个领域,发挥着重要的作用。图像模糊和噪声是两种主要的退化形式,针对于图像模糊-噪声的退化模型也是图像复原领域研究的热点。本文主要针对于运动模糊-高斯噪声和散焦模糊-脉冲噪声两种退化模型进行分析研究。对于运动模糊-高斯噪声图像退化模型,本文采用基于图像TV-POCS-KSVD模型进行复原,在传统的TV-POCS模型基础上,加入了图像的稀疏表示约束项。通过实验验证,TV-POCS-KSVD算法可以在去除高斯噪声的同时有效的保留图像的边缘纹理信息,对于高斯噪声-模糊退化模型的复原效果要优于传统TV-POCS算法。对于上述最优化问题的求解,采用分裂Bregman方法,将问题转化为多个子最优化问题进行迭代最优求解。对于脉冲噪声的检测,本文提出了一种改进的边界识别噪点检测算法,经实验证明所提算法可以有效的对“椒盐”脉冲噪声以及随机值脉冲噪声进行检测,在随机值脉冲噪声情况下或者是噪声强度较高的情况下,其噪点检测的准确率要高于AMF、BDND等传统方法。针对散焦模糊-脉冲噪声的退化模型,本文采用基于改进的边界检测算法的TV-POCS-KSVD两步法复原模型,首先对脉冲噪声点进行检测,检测方法采用本文所提出的改进的边界识别噪点检测算法,然后对非噪声点处进行数据一致性约束。通过仿真实验表明,针对于不同退化强度下的退化图像,该方法都可以取得较好的效果。