В работе рассмотрен алгоритм восстановления изображений, поврежденных в результате воздействия шумов различной природы. Отмечены преимущества и недостатки существующих подходов, а также перспективность использования искусственных нейронных сетей. В качестве инструмента восстановления изображения используется двухслойная нейронная сеть, при этом предполагается, что расположение поврежденных пикселей известно. Нейрон представлен в виде массива 3х3, где каждый элемент массива имеет значение цвета пикселя, которое соответствует значению данного цвета в палитре. Нейросеть обучается на неповрежденных изображениях, при этом в качестве критерия обучения выступает цветовая разница пикселей. Для более точного восстановления рекомендовано на этапе обучения подбирать изображения, схожие по гамме цветов с повреждённым. На этапе восстановления вокруг поврежденных пикселей формируются нейроны (3х3), так что поврежденный пиксель находится посередине массива данных нейрона. Повреждённому пикселю в зависимости от среднего значения матрицы весов присваивается значение нейрона. Разработан алгоритм восстанов-ления пикселей, а также выполнена его программная реализация. Моделирование проводилось в палитре RGB отдельно по каждому каналу. Для оценки качества восстановления были подобраны группы изображений с различной степенью повреждений. В отличие от существующих решений алгоритм обладает простотой реализации. Результаты исследования свидетельствуют, что независимо от степени повреждения (в пределах 50%), восстанавливаются около 70% повреждённых пикселей. Дальнейшие исследования предполагают модификацию алгоритма для восстановления изображений с увеличенными областями повреждений, а также адаптацией его для восстановления трехмерных изображений.