当今图像恢复领域，大部分算法着力于挖掘添加有价值的图像先验信息。由于卷积稀疏编码算法针对整幅图像进行稀疏分解，充分考虑了图像的局部邻域相关性；图像的多视角特征因能表达其他维度上的补充信息，已成为图像分析的一个常用工具。卷积稀疏编码和多视角特征先验信息被广泛用医学成像和图像恢复领域，是图像恢复中的关键研究点。本文研究了图像重建/恢复算法的相关理论和方法，针对卷积稀疏编码和多视角特征先验信息的应用展开研究。本论文主要研究成果如下：　　(1) 在医学成像的磁共振图像重建方面，把磁共振图像转换到梯度域中，再在梯度域进行卷积稀疏编码，建立图像稀疏模型；通过引入辅助变量，并利用轮换技术交替更新滤波器和稀疏参数，恢复水平梯度和垂直梯度，然后在这两个方向上重建图像，从而可以减少重建图像的伪影，恢复更多的图像细节。　　(2) 在图像处理的图像去模糊及医学成像的磁共振图像重建方面，利用图像与 FoE 滤波器卷积获得多视角特征，然后合并到卷积稀疏编码恢复模型中。该模型继承了多视角特征和卷积稀疏编码的优点：具有高频、冗余、更清晰的特征及更大范围的特征方向的滤波器组。从而以实现更好的图像恢复。为了迭代逼近最优解，采用增广拉格朗日技术和方向交替乘子法对非线性优化问题进行求解。　　(3) 在图像处理的图像填充方面，目标图像通过与FoE滤波器卷积产生多视角特征作为高阶张量，提出多视角特征引导低秩张量填充概念。采用两种策略来建立新张量填充模型，一种称为 FoE 滤波器引导低阶张量填充，另一种称为FoE滤波器引导张量同时分解和填充。用高效的增广拉格朗日技术和方向交替乘子法求解最优化问题。具有各种类型缺数据丢失的图像进行填充实验。结果表明，在视觉数据和四阶张量填充的实验性能评估中，与其他经典算法相比，提出的算法具有更优越的性能和鲁棒性。　　综上所述，本论文以卷积稀疏编码和多视角特征先验信息为核心点，在医学成像中的磁共振图像快速重建应用、图像处理中的图像去模糊和图像填充应用三方面提出三种图像重建/恢复算法且取得了较好的效果，非常有效的弥补了现有算法的缺点。为解决图像恢复提供了新的有效途径。