随着信息时代的进步,图像处理技术越来越与日常生活密不可分。然而在采集处理和传输图像的过程中,图像往往会不可避免地受到噪声影响导致图像质量的下降,去除噪声是图像分析中最困难的问题之一,因此能有效去除噪声并保护原图细节信息的算法具有巨大的研究前景。图像本身具有结构冗余性和自相关性,非局部均值算法通过利用像素之间相似图像块的欧式距离作为相似性度量,得到了不错的去噪效果,但该算法难以同时满足保留细节和过滤噪声的问题,且复杂度较高,本文对此提出一种改进的基于结构张量的快速非局部均值算法FNLM;基于偏微分方程的图像去噪算法发展迅猛,关键是要构造合适的方程,本文根据YK模型和PM模型各自的优缺点,提出一种改进的混合模型。主要研究内容如下:1.提出一种改进的非局部均值算法FNLM。首先,本章提出的模型替换了传统非局部均值算法模型中的权重函数,改善了去噪后图像模糊的现象。其次,通过分析图像结构张量的特征值和特征向量,划分图像的边缘区域和平滑区域,进而调整处理不同图像区域的参数,增强去噪效果。最后,使用积分图加速算法对该算法进行优化,提高了算法的运行效率。实验结果表明,本章提出的算法不但能有效地去除图像中的噪声,并且对于计算效率有很大提高。2.提出一种混合YK＆PM模型的去噪算法。首先,引入片相似性模作为YK模型中的边缘检测算子,弥补了拉普拉斯算子在边缘检测中对于噪声过于敏感的缺陷,对于YK模型的性能有一定程度的优化;然后,由于PM模型各向异性扩散的特点可以很好地解决斑点效应,而YK模型的特性可以解决二阶PDE模型中普遍存在的阶梯效应,提出一种混合YK＆PM模型的耦合去噪模型,通过引入一个耦合系数,来达到最好去噪效果。实验结果表明,本章提出的算法抵抗噪声的能力有所提高,对比其他模型也呈现了比较好的效果。