在各类数字图像系统中，由于图像的传送和转换，如成像、复制、扫描、传输等，总要造成图像的降质。典型的表现为图像模糊、失真、混有噪声等。而在许多的应用领域中如卫星电视、天文检测、地理信息系统、X射线透视、公安系统用的人脸识别、指纹识别等，又都需要清晰的、高质量的图像，因此，为了抑制噪声，改善图像质量，复原图像具有非常重要的意义。　　对图像复原的要求是既能去除噪声，又能保持图像的边缘和细节，而它们往往表现为一对矛盾。小波分析具有良好的局部时频特性，它通过伸缩、平移等运算功能对信号进行多尺度分析，能有效地从信号中提取信息。小波分析在图像去噪中具有广泛的应用，它能在去噪的同时保留图像细节，得到原图像的最优恢复。而数字图像复原有着悠久的历史和很多成熟的经典的算法，像频域的维纳滤波和空域的中值滤波，它们都在图像复原领域扮演着重要的角色，但是目前的实际应用中，不是所有的受损图像都能有效的复原，达到理想的效果。因为每一种图像处理的算法不是万能的，它都有一定的局限性和自己的优点，这就促使后人不断的研究和学习，不断的改进各种算法。　　本文在前面几章里，首先系统阐述了图像复原在频域、空域及小波域的处理方法，同时通过大量仿真实验得出仿真结果，验证了各种方法的局限性和优缺点。通过第三章中对数字图像复原方法的自适应中值滤波法的研究和第四章中对小波域的阈值降噪方法的讨论，证明了这两种方法的优点和局限性。小波域复原算法保持边缘性好，对高斯噪声降噪效果较好，但对脉冲噪声处理效果较差。自适应中值滤波算法简单，处理脉冲噪声效果较好，但处理高斯噪声效果较差。针对这两种方法的局限性，本文提出了一种改进方法，能有效复原既受高斯噪声的污染又同时受脉冲噪声污染的图像，即将小波阈值降噪与自适应中值滤波相结合的图像复原方法，并经计算其信噪比，有了很大提高。