一幅图像的生成、传递过程中不可避免的会受到噪声的干扰，这样会使得图像视觉效果受到影响。如果能够在保证图像特征基本完整的情况下进一步提高图像的视觉效果，为图像的后续计算以及数字化处理提供较好的图像数据基础，会给图像的使用带来很大方便。本文的研究内容主要是围绕人眼视觉特性设计图像降噪算法和质量评价算法，主要工作和创新结果如下：首先详细描述了人眼的中央凹、对比敏感度、掩模特性。通过这些视觉感知特性，可以有效地模拟HVS的视觉感知过程，设计出更加符合人类视觉感知特性的图像质量评价方法以及图像降噪算法，为后续的图像处理提供依据。其次，描述了现有图像质量评价算法——PSNR（峰值信噪比）、SSIM（结构相似度）。由于之前的SSIM算法中小图像块没有被估计，同时，当噪声块比图像块明显时，SSIM更倾向于噪声块的值，而忽略了图像的结构。本文对SSIM评价算法进行了优化，提出两阶段方法。SSIM改进算法体现出了与人眼视觉感受更加相近的特性，表现出其算法的优越性。最后，针对现有变分模型在修复图像出现阶梯现象，给视觉观察带来一定影响，本文是对现有的变分模型进行改进，提出一种具有不同正则项的全变分方法，获得的降噪效果更符合人眼的视觉特性。另外针对PM扩散模型降噪效果边缘模糊以及平滑效果不好，本文改进了扩散函数，设定了梯度阈值，这样就较好地保留了图像的边缘和纹理。在扩散模型中加入强度系数，可以在去噪的同时增强细节信息，使低对比度图像也能有较好的视觉效果。通过改进的SSIM评价算法对本文的改进变分降噪模型进行评价，并与ROF模型降噪结果比较，结果表明本文提出的降噪算法在轮廓边缘以及纹理细节方面都取得了较好的降噪效果。