يقدم هذا البحث نهجًا يستخدم المعادلات التفاضلية العشوائية (SDE) لأغراض عامة في استعادة الصور. يتألف الجزء الرئيسي من هذا النهج من معادلة تفاضلية عشوائية تعود إلى المتوسط تقوم بتحويل صورة ذات جودة عالية إلى صورة متدنية الجودة كحالة متوسطة مع ضوضاء غاوسية ثابتة. بعد ذلك، عن طريق محاكاة المعادلة التفاضلية العكسية الزمنية المقابلة، نتمكن من استعادة أصل الصورة ذات الجودة المنخفضة دون الاعتماد على أي معرفة سابقة خاصة بالمهمة. بشكل حاسم، تحتوي المعادلة التفاضلية العشوائية المقترحة التي تعود إلى المتوسط على حل شكله مغلق، مما يتيح لنا حساب الدرجة الحقيقية التي تعتمد على الزمن وتعلمها باستخدام شبكة عصبية. بالإضافة إلى ذلك، نقترح هدفًا احتماليًا أقصى لتحقيق مسار عكسي أمثل يثبّت التدريب ويعزز نتائج الاستعادة. تظهر التجارب أن الطريقة المقترحة لدينا تحقق أداءً تنافسيًا للغاية في المقارنات الكمية لاستعادة الصور من الأمطار، إزالة الضبابية، وإزالة الضوضاء، مما يجعلها تمثل حالة فنية جديدة في قاعدتين لبيانات استعادة الصور من الأمطار. وأخيرًا، يتم إظهار قابلية التطبيق العامة لنهجنا عبر النتائج النوعية في زيادة دقة الصور، وإكمال الصور (inpainting)، وإزالة الضباب (dehazing). يمكن الحصول على الشفرة البرمجية من الرابط: https://github.com/Algolzw/image-restoration-sde.