伴随着人工智能的飞速发展,对机器视觉的研究,如无人驾驶技术等,正在不断地升温。而图像恢复是机器视觉研究中必不可少的图像预处理环节,清晰的图像,实时的快速处理为后续的图像智能化研究提供了有利保障。由于成像系统、记录设备、传输介质等不完善,图像容易产生退化:图像包含噪声,图像受模糊干扰。另外,由于设备存储能力的提高、对图像分辨率的追求,大规模图像处理问题增加了图像实时处理的难度。本文研究大规模图像恢复问题,借助区域分解法将大规模图像恢复问题转化为小子问题,以达到并行求解,旨在减少图像恢复时间,同时保证图像恢复效果。本文的研究内容如下:（1）首先针对TV-L1（由L-1范数引导的全变分模型）图像去噪问题,提出了一种区域分解算法。采用连续子空间校正法,将原始图像域分解为相互重叠的子区域,在每类子区域中分别采用原始对偶法求解子问题。数值实验表明该算法具有良好的加速比和加速效率。此外,本文提出一种改进的TV-L1图像去噪算法,解决了TV-L1图像去噪模型在恢复图像平滑区域容易产生阶梯效应的缺点。（2）此外,本文将区域分解法运用于TV-L1图像去模糊问题中,由于图像去模糊模型中涉及模糊核的卷积运算,而区域分解会因为对图像的分割而破坏模糊核的结构,从而增加算法的难度。对此,本文在连续子空间校正法中选取较大的重叠区域尺寸,克服了上述问题。数值实验表明该算法能够恢复得到清晰的图像去模糊效果,并具有良好的加速比和加速效率。（3）进一步,模糊核未知的图像盲去模糊问题是一个更加实际的问题。因此本文还研究了区域分解法在图像盲去模糊问题中的应用。数值实验表明算法能够盲恢复模糊核,并且能够大大减少图像盲去模糊模型的计算时间,且恢复图像达到与未采用区域分解的图像盲去模糊算法相近的PSNR值。（4）本文更进一步针对单幅彩色运动模糊图像提出一种盲去模糊算法。将分解的思想运用于彩色图像空间,使用R,G,B彩色三通道联合恢复真实彩色图像和模糊核。数值实验表明,该算法能够在仅需单幅彩色模糊图像的前提下,即可通过R,G,B彩色三通道联合估计模糊核,恢复清晰图像,具有理论和实际意义。综上所述,本文研究了区域分解法在图像恢复问题中的应用。所有的图像区域分解恢复实验均说明了本文提出区域分解算法不仅能够有效地恢复清晰图像,并且在计算效率方面也得到了较大的提升,进而加速了大规模图像的实时处理。