图像在获取和传输的过程中,常因不可抗拒因素遭受到噪声的破坏。为了后续图像处理工作顺利进行,排除噪声对图像信息传达的干扰同时减少噪声对图像处理工作的影响,图像复原工作必不可少。研究人员为解决这个问题提出了许多办法,众多图像复原方法中就有使用含噪图像进行重构。本文深入研究了图像高斯噪声的去噪问题,对传统算法存在的不足做了改进,获得了较传统算法更好的处理效果。使用含噪图像重构原始图像时,去噪结果与边缘细节保留的要求常呈现矛盾状态。虽然当前提出了很多图像高斯噪声算法,但是大多数难以实同时现图像去噪与保留边缘细节,除此之外,图像不同区域像素灰度值变化规律不全相同,使用单一的去噪方法难以获得良好的视觉效果。针对以上分析,本文在传统Canny边缘检测算法基础上进行了改良,在改良后的边缘检测算法理论基础上进行图像分割,根据研究和分析结果,对原有的算法进行了改进:深入研究了图像高斯噪声算法、图像分割以及图像边缘检测算法后,分析对比了BM3D滤波、维纳滤波以及均值滤波三种算法的去噪效果和特点。基于以上的分析结果,以改良后的边缘检测算法为基础,将图像分割为平滑区域和边缘区域,根据实验所得结论在图像边缘区域使用BM3D滤波进行去噪,在图像平滑区域采取维纳、均值混合滤波进行图像去噪。该算法相较传统图像高斯噪声算法拥有更好的去噪效果,同时也能保留图像的边缘细节。仿真实验验证了:改良后的图像边缘检测算法可以获得更好的图像边缘检测效果;基于改良后的图像边缘检测算法获得的分割算法拥有优秀的图像分割能力;基于以上两项研究提出的分区域去噪方法保留图像边缘细节的同时,也得到出色的峰值信噪比即获得优秀的图像视觉效果。