数字图像恢复技术作为数字图像处理中的重要分支，被认为是适应数字化时代的一个有力支撑，并成为数字图像领域的一个研究热点。数字图像恢复技术是指在针对退化降质的图像，通过框架恢复模型将其尽可能恢复至和原图像接近的过程。由于图像在取像、存储等过程中不可避免的会因为外界的影响而出现退化的情形，会不同程度影响对所得图像进行的分析研究，再者由于数字图像与工程、生活的方方面面的关系越来越紧密，因此，对数字图像恢复技术的研究有着重要的理论和现实意义。基于遗传算法，本文提出一种粗糙自适应遗传算法，并将其应用于运动模糊图像恢复及椒盐噪化图像恢复中。以提高图像恢复算法的鲁棒性和执行效率为主要研究目的，开展了以下研究工作:首先，构架粗糙自适应模型，将其与优化后的遗传算法进行结合，提出粗糙自适应遗传算法。在该算法中将匹配域模型、特征域模型、自适应域模型三类粗糙自适应模型与遗传算法相结合，利用遗传算法的智能搜索原理，在被搜索解空间中寻求匹配近似解，再应用粗糙自适应模型将所得近似解进行分类处理。同时在该算法中将遗传算法的三大基本算子进行了优化处理，以便提高算法的整体处理性能。其次，应用粗糙自适应遗传算法对运动模糊图像进行恢复操作。在对运动模糊图像进行恢复操作的过程中，需要针对退化降质图像建立恢复模型，在该部分是将遗传算法所得近优解应用于粗糙自适应模型。其中自适应域模型处理是进行基于自适应控制的点扩散修正方案操作，特征域模型处理主要指进行三种宏观对称域的处理及进行尺度划定的微对称处理，在匹配域的处理主要指依据前面所得近优解的值进行三种类型的分类操作。实验结果表明，该算法能有效处理运动模糊退化图像，保留恢复图像边缘及提高其PSNR值。最后，应用粗糙自适应恢复算法对椒盐噪化图像进行恢复处理。在对椒盐噪化图像的恢复处理过程中，自适应域模型处理指的是进行基于直方图处理的子图像块纠正方案，而该部分的特征域模型处理主要指进行八邻域处理，而匹配域模型处理与在运动模糊图像恢复中的基本一致。实验结果表明，该算法具有较好的鲁棒性能与较优的执行效率。