压缩图像的后处理技术就是指对压缩后的图像进行处理，从而消除由于压缩而导致的各种失真，达到改善图像质量的目的。本文主要研究了静态压缩图像的后处理技术。现有的后处理技术，不论是采用图像增强还是图像复原的方法，在低比特率情况下都不能取得良好的效果，所以本文的重点在于对低比特率压缩图像的后处理方法的研究。 本文对最常见的两种变换编码压缩图像，即基于BDCT的压缩图像和基于DWT的压缩图像，分别进行了后处理技术的研究。 对于BDCT压缩图像，本文采用了一种混合后处理的方案。首先根据频域DCT系数的统计特点，在频域上依次对DCT系数进行矫正、去噪和投影。经过预处理后，压缩图像再在空域上增强。三种不同的窗口模式用来去除“块”失真，用边缘指导下的中值滤波器来消除波及范围大的“振铃”失真，同时用边缘自适应的低通滤波器来消除小的“振铃”。对相同图像在不同压缩比情况下和对不同图像在不同压缩比情况下做了大量的试验，并与其它算法进行了比较。试验结果表明，本算法可以明显提高压缩图像的主观视觉效果，同时PSNR值也有一定地提高。 对于DWT压缩图像，分别从图像增强和图像复原的角度提出了两种解决方案。从图像增强的角度，本文提出了一种多尺度、基于局部方向的自适应2D低通滤波的方法。首先将压缩图像分为大小相同的子块，然后采用Radon变换检测局部主方向，最后采用方向自适应的2D低通滤波器来滤除压缩导致的高频噪声。为了保证方向检测的鲁棒性和避免分割子块引入的边界不连续性，本文采用了循环移位和边界重叠的策略。试验结果表明，本算法明显提高了压缩图像的视觉效果，但由于采用了低通滤波技术，后处理的图像呈现出了一定的模糊现象。 为了克服上述低比特率压缩图像的模糊现象，从图像复原的角度提出了一种贝叶斯理论框架下的迭代后处理算法。首先将压缩量化过程等效为模糊加偏差的过程，并基于这一等效提出了新的后处理模型。在这一模型中，用“模糊核”的辨识来去除压缩图像的模糊现象，用中值滤波器检测高频噪声来抑制“振铃”。最后采用交替优化的迭代方法来进行求解，并讨论了各种参数的选取。大量试验结果表明，采用此方法，可以明显提高压缩图像的清晰度，得到锐利的图像细节。同时，在各种压缩比情况下都可以提高图像的PSNR。在同其它算法的比较中，对低比特率压缩图像，本文算法呈现出了显著的优越性。