随着时代的发展和社会的进步,人们获取信息的方式愈加多样化和简单化,图像作为信息的主要载体,仍然是人们获取信息的主要对象。但是各种因素的干扰,导致所得到的图像与人们的期望图像存在差距,再加之现在人们对于生活品质的提高或者工作需要的考虑,普通图像已经不能够满足所需,而图像重建和图像修复技术恰好可以优化图像的视觉质量,从而更充分的挖掘和利用图像的信息。因此,图像的重建以及修复技术已经成为计算机视觉领域相当热门的研究方向之一,广泛应用于日常生活中的照片修饰,安防工作中的图像识别,文物照片的重建修复等。在此背景下,本文以图像超分辨率重建和图像修复为主要研究内容,进行了深入的学习与研究。在图像重建和图像修复的研究中,针对目前已有处理技术存在的边缘信息过度强化、细节恢复能力不够、过度恢复等问题,提出以下几种算法:(1)对于传统SRCNN(Super resolution using convolution neural network,SRCNN)算法的图像特征提取不完全和信息利用不充分等缺点,提出一种改进的多支路重建算法。首先,为了更充分地提取图像特征信息,将网络深度加深至4层。其次,通过设置不同尺度的卷积核来进行多通道的对象重建,使重建过程中可以考虑更多的信息。最后,在网络结构中通过PReLU函数来解决神经元坏死和收敛困难的问题。实验证明,改进算法取得了比较好的重建效果,不论是峰值信噪比还是结构相似性均优于传统的SRCNN算法。(2)针对传统锚定邻域回归(Anchored Neighborhood Regression,ANR)的图像超分辨率方法缺乏灵活性、且对图像的细节没有很好的恢复能力的缺点,提出一种锚定邻域回归和卷积神经网络(Convolution Neural Network,CNN)相结合的图像重建算法。首先,在ANR中提出使用弹性网络回归模型,使算法具有特征选择的特点。其次,在CNN的图像预处理部分使用lanczos3插值方法,加快了运算速度,在特征提取中提出使用具有自门控特性的Swish函数作为激活函数,用于提高测试准确度。最后,在重建图像的评价方面提出了图像的相关系数,用于对重建结果做进一步的有效性评估。仿真结果证明,该算法有效地构建了图像的细节部分,图像质量得到了明显提升。(3)针对传统Criminisi算法中优先权值很快趋于零,且运行时间较长等缺点,提出一种改进的基于信息熵和梯度因子的图像修复算法。首先,将图像信息熵与梯度因子拟合为权重因子,优化优先权的计算方式用以找到最优修复块;其次,利用可度量像素块复杂度的信息熵对匹配块的搜索区域进行调整,建立搜索区域的动态法则;然后,借助于梯度因子建立匹配块模板尺寸的自适应模型,完善最优匹配块搜索策略;最后,利用SSDA匹配算法从源区域中选取最优匹配块,进行残缺区域的填充。仿真结果证明,与传统Criminisi算法相比,所提算法无论在客观方面还是在主观方面都获得了较满意的修复结果,恢复效果更加真实自然,给人的视觉效果也更佳。