在军事科学领域，图像运用得更加广泛，导弹地形辨认、指纹系统自动辨别等领域，都与恢复技术息息相关。

在交通监管领域，各个路口的交通信号监视器不定时的拍摄过往的车辆，在车辆高速行驶的情况下，相机会造成一定程度的运动模糊，所以这就要求用图像恢复技术来处理，使其能够更好地识别车辆信息。

1。4 本文研究的主要内容及结构安排

本文研究经典的几种图像恢复，并在大气湍流模糊的系统模型下进行处理的，然后介绍了图像中一些常见的噪声和噪声的特点，在维纳滤波的基础上提出了一种K值自动估计的算法，并用MATLAB实施仿真得出结果，并将得到结果按照评价标准进行主客观评价。本文结构如下所示：

第一章绪论，简单地叙述了图像恢复技术的一些相关资料，国内外技术的发展情况及其应用领域，最后总结论文具体的内容。

第二章图像恢复的理论基础，首先介绍我们日常常见的噪声及造成这种噪声的根源，再介绍噪声的一些特性。随即介绍退化模型的理论构成和公式推导，特别是大气湍流模糊退化模型，然后再介绍一下恢复的基础理论，为下面的几种恢复方法研究打下基础，最后提供三种图像质量评价标准，以便下一章仿真实现方法时对复原处理后的图像进行比较分析

第三章本文介绍了三种方法：约束最小二乘法、维纳滤波、逆滤波，比较分析三种算法，并通过一定的参数分析来评价恢复图像的质量，来确定最优的复原算法。同时这里尤其重点介绍了维纳滤波算法，为下一章的K值改进打下基础。

第四章为所研究改进内容，是要着重介绍的一项内容，主要是改进一般维纳滤波算法中的K值，通过人机交互的形式来确定更好的K值，并将更好的维纳滤波算法与最小二乘算法进行比较分析，得出结论。

第五章为本文的总结，这一章用来总结一下本文已做工作的优缺点，并总结这一段时间的研究过后的所感所想，为以后的理论知识研究打下坚实的基础。

1。5 本章小结

本章介绍课题应用领域和本文的主要研究内容及论文的结构安排，图像复原的国内外研究现状。

第二章  图像复原的理论基础

2。1 图像的噪声

图像噪声的含义是图像中阻碍接收方对图像信息完全地接受的那些因素，这些因素是不确定的，因此很难用实体将其表示，可以借助概率分布函数、分布密度来对其进行描述。

按照噪声产生的来源，图像噪声还可分为外部噪声和内部噪声[[[5] 黄忠浩著。 滤噪算法在图像处理中的配合应用[M]。 数字与缩微影像。 2014]]。

(1)外部噪声：系统外部产生的，以波等方式进入其内部的这些噪声

(2)内部噪声:可分为四种形式如下：

①电子设备的运转产生的噪声。如磁带、磁盘等产生的抖动等。

②设备本身缺陷造成的噪音。如磁盘、磁带等表面所造成的颗粒噪声等。

③系统内部设备造成的噪音。如交流电源所造成的噪音等

④由光和电性质造成的噪音。电流由电子和空穴的定向运动引起的噪声。

图像噪声从统计理论观点可分为平移噪声和非平稳噪声两种[[[6] 何国辉著。 一种图像处理中的噪声滤波方法[D]。 中国航空学会信号与信息处理专业第六届学术会议。 2002]]。

按照噪声和信号之间的关系，噪声可分为加性噪声和乘性噪声[[[7] 黄忠浩著。 滤噪算法在图像处理中的配合应用[J]。 数字与缩微影像。2014]]。设为信号，为噪声，影响信号后的输出为。