由于图像降质过程的复杂性、成像获取条件限制，以及图像本身的复杂性和图像复原过程的病态性，图像复原解大多都是近似的或畸变的，一种适应于图像复原质量评价的计算方法将大大提升图像复原的应用范围。针对图像复原过程的病态性，提出了一种针对图像复原图像质量评价的计算方法，该算法通过在图像质量算子中引入图像相似矩阵和图像复原趋势矩阵，使其能适应复原对于图像结构或噪声结构的变化。该图像质量评价算子计算无需参考图像，可以很好地反映图像的模糊程度和噪声程度，并且计算简单。实验证明了该图像质量评价算子的有效性。

针对SAR (Synthetic Aperture Radar) 图像全自动配准问题，本文提出一种基于仿射不变SIFT (Scale InvariantFeature Transform) 特征的精确配准方法。该方法首先对传统SIFT 方法改进构建具有仿射不变性的SIFT 描述子，并利用该描述子对提取的控制点进行粗匹配，然后由粗匹配点对的尺度比和方位差及其邻域的灰度相似性构建新的相似矩阵，最后利用SVD (Singular Value Decomposition)方法确定精确匹配点对，求出变换参数从而实现图像的精确配准。实验结果表明该方法优于传统的SIFT 方法和SIFT＋SVD 方法并且可以达到亚像素的配准精度。