在图像的获取、传输和存储过程中总是不可避免地引入各种噪声,因此对噪声的分析和处理是图像处理的经典问题。目前有很多性能不错的去噪算法,如非局部平均、BM3D等。但是这些算法一方面假设噪声图像的噪声水平为已知,实际上自然图像的噪声水平是未知的,并且噪声水平对去噪起到关键性的作用。另一方面寻找相似块非常耗时,很难应用到实际项目中。本文针对图像去噪这一经典难题进行研究,主要实现了图像噪声方差估计和基于噪声方差估计的自适应图像去噪方法,内容主要为以下两点：第一,图像噪声的估计算法：基于平滑块估计图像噪声的方法简单快速,但是在有噪声存在的情况下,仅根据方差很难准确地找到图像平滑块。针对这一问题,本文根据图像块的方差和信息熵,构造了新的选择平滑块的评价算子；并引入图像质量评价对候选图像噪声值进行进一步的迭代筛选；为了加快迭代速度利用基于最小堆的折半查找思想,在保证估计精度的同时尽量提高算法的处理速度。第二,改进的WNNM去噪算法：WNNM去噪算法对局部图像块迭代参数估计不准确以及块匹配耗时。针对以上问题,我们首先在图像噪声估计的基础上,提出了估计全局最优噪声方差作为WNNM去噪算法的初始参数；其次基于迭代过程中每个局部图像块的迭代参数仅根据自身的输入和输出结果计算,误差较大,提出了估计邻域最优参数代替局部参数；同时对算法中的块匹配策略使用两步搜索法进行改进,保证去噪结果,降低迭代次数。