La restauración de imágenes es una tarea indispensable y desafiante en visión por computadora, con el objetivo de mejorar la calidad de imágenes degradadas por diversas formas de degradación. Los modelos de difusión han logrado un progreso notable en la generación de imágenes de AIGC (Contenido Generado por Inteligencia Artificial) y numerosos estudios han explorado su aplicación en la restauración de imágenes, logrando un rendimiento que supera al de otros métodos. Este documento proporciona una visión general completa de los modelos de difusión para la restauración de imágenes, comenzando con una introducción al trasfondo de los modelos de difusión. Resume teorías relevantes e investigaciones en la utilización de modelos de difusión para la restauración de imágenes en años recientes, detallando seis métodos comúnmente utilizados y su paradigma unificado. Basándose en estas seis categorías, este documento clasifica las tareas de restauración en dos áreas principales: reconstrucción de superresolución de imágenes y restauración de imágenes selectivas de frecuencia. La categoría de restauración de imágenes selectivas de frecuencia incluye desenfoque de imagen, rellenado de imagen, desrainado de imagen, desnieve de imagen, desempañado de imagen, eliminación de ruido de imagen y mejora de poca luz. Para cada área, este documento profundiza en los principios técnicos y estrategias de modelado. Además, analiza las características específicas y contribuciones de los modelos de difusión empleados en cada categoría de aplicación. Este documento resume conjuntos de datos comúnmente utilizados y métricas de evaluación para estas seis aplicaciones para facilitar una evaluación exhaustiva de los métodos existentes. Finalmente, concluye identificando las limitaciones de la investigación actual, delineando desafíos y ofreciendo perspectivas sobre futuras aplicaciones.