正则化方法作为一种解决病态反问题的常用方法，通常用图像的平滑性作为约束条件，但是这种正则化策略通常导致复原图像的边缘模糊。为了克服边缘退化问题，最近几年，不少学者对各种“边缘保持”的正则化方法进行了比较深入的研究，提出了一些减少边缘退化的正则化策略，这些策略通常需要引入非二次正则化泛函，从而使问题的求解成为一个非线性问题。沿着这一思路，Geman和Yang提出了“半二次正则化”的概念来解决这种策略中出现的非线性优化问题。其后，Charbonni等人在此基础上研究了一种新的半二次正则化方法。从而可以利用确定性算法来得到问题的最优解。另一个较新的发展使Vogel等人提出的基于全变差模型的图像复原算法。尽管这些算法都在一定意义上提高了复原图像的质量，但边缘模糊的问题并未得到理想的解决。 

另外，近年来小波的理论得到迅速发展，并广泛应用于图像复原中。基于小波变换的迭代正则化图像复原算法，兼顾抑制噪声的增长和保留图像的重要边界。具有噪声估计能力的图像恢复正则化方法。Belge等人以广义高斯模型作为小波系数的先验分布，提出了一种小波域边缘保持正则化的方法。同时给出了小波域图像复原的一般框架，但其复原方法相对于传统复原方法提高的并不显著，赵书斌等人以混合高斯模型逼近小波系数的分布，并引入小波域隐马尔可夫模型作为自然图像的先验概率模型对图像超分辨率复原问题进行正则化，复原效果不错，但该方法还是不能避免计算量过大的缺点。从图像复原的Bayesian框架出发，小波域局部高斯模型的线性图像复原方法，该方法较好的再现了图像的各种边缘信息，取得不错的复原效果。

再简单概括下来，图像复原算法主要分为两种。一种是线性算法，这种算法的优点是简单快捷，方便操作，没有复杂的步骤，缺点是功能太简单，导致不能确定图像的非负性。另一种是非线性方法，这种算法的优点是不断通过连续迭代的方法重复的复原图像，不断改善图像的质量，直到最终结果令人满意为止，缺点是计算量过大，耗费时间过久，不够方便简洁。所以在实际生活中，这两种方法的具体使用还要根据具体情况具体操作。

本文所讨论的图像复原技术主要分为以下几类：

（1）维纳滤波法

维纳滤波是由维纳于第二次世界大战期间提出的一种线性复原方法，在一维和二维信号处理中都有很广泛的应用。是一种基于最小均方误差准则、对平稳过程的最优估计器。这种滤波器的输出与期望输出之间的均方误差为最小，因此，它是一个最佳滤波系统。它可用于提取被平稳噪声所污染的信号。维纳滤波的优点是方便计算，并且最终复原结果与原始图相近，所以在实际生活中使用的很频繁。

（2）逆滤波法

逆滤波复原的主要思想就在与转换，具体说来就是要先将要处理的图像从空间域中转换到傅里叶频域中，然后通过逆滤波的算法进行计算之后，再转回空间域，最终得到复原图像。

（3）正则滤波法

正则滤波法又称为约束的最小二乘方滤波，是一种线性复原方法，在matlab中以decomvreg实现。

（4）LR滤波法论文网

LR算法是非线性算法的一种，通过迭代，从最大似然公式印出来，最终复原图像以泊松分布为基础建立模型。

（5）盲去卷积

盲去卷积是以最大似然估计为基础的的非线性算法，通过估估计随机噪声干扰量来达到最优结果。 

现在，图像复原技术已经在天文、医学、国防等各方面得到了广泛应用：