图像是人类获得信息的重要途径,在当今信息化的社会中,图像出现在我们生活、工作中的各个方面。然而,在图像的获取和传播过程中,总是不可避免的混入噪声,产生失真、模糊,降低图像的质量。因此,图像复原技术的研究是非常重要的。尤其是近年来,深度学习成为热点研究,图像复原作为图像预处理对后续的工作有很大的影响。虽然现在有很多去噪算法在低噪声水平已经取得了非常好的效果,但是在高噪声水平上的去噪效果往往较差,本文提出了一种基于非冗余重组的图像复原方法。通过下采样的方式,将高噪声水平的图像转化为四幅低噪声水平的子图像,再对每一幅子图像进行去噪处理。然后,将几幅子图像重组为与初始图像大小相同的图像,并对重组后的图像进行去模糊,得到清晰的图像。该算法降低了原始图像的噪声水平,避免了在高噪水平下去噪,从而提高了高噪声水平下的去噪效果。从实验数据可以看出,该算法在主观视觉和实验结果上均得到了不错的效果。本文主要分为六个部分,第一部分介绍了图像复原的背景及研究现状;第二部分介绍了图像去噪的理论基础以及几种经典的图像去噪算法;第三部分介绍了图像去模糊的基础理论以及经典的图像去模糊算法;第四部分介绍了奇异值分解及BM3D算法;最后介绍了基于非冗余重组的图像复原方法及实验结果。