由于数字图像在我们的生产、生活中的作用越来越大，而数字图像在生成和传输过程中易遭到噪声污染腐蚀，影响后续的图像处理，因此图像的有效去噪在图像处理技术中显得尤为重要。本论文在研究图像去噪的基本知识和方法的基础上，重点探讨了目前去噪性能较为理想的非局部均值法和块群组3D去噪方法，提出了两种主要的改进方法：结合Tetrolet预滤波的BM3D算法和基于自适应距离硬阈值的BM3D算法（BM3D-ADT），以进一步提高算法的去噪性能和执行效率。本论文的主要研究工作包括：1.为了克服BM3D在高噪图像中去噪性能不佳的缺点，提出了一种结合Tetrolet小波预滤波的BM3D去噪算法。先对高噪图像进行Tetrolet预滤波，再结合BM3D去噪。由于Tetrolet变换在降噪的同时能完整地保留图像局部结构，从而提高了BM3D群组阶段相似块选取的准确性。实验结果表明，该算法在有效抑制噪声的同时，能更精确地保留图像的细节，极大地弱化了伪噪声现象。2.提出了一种基于自适应距离硬阈值的改进BM3D算法，根据图像的均值和标准差的比值以及噪声的估计值，自适应地设定群组阶段的距离硬阈值。先对输入图像分块，选取一些参考块，根据块的梯度信息，计算出这些参考块与其他所有候选块的结构相似度和欧氏距离，选取结构最相似时对应的欧氏距离。然后估计出每一参考块的均值、标准差以及含有的噪声的标准差，利用数据拟合方法，得出结构最相似时对应的欧氏距离与块的均值、标准差以及噪声的标准差之间的函数关系，作为BM3D中自适应的距离阈值。其去噪性能在客观评价PSNR值和人的视觉感受方面都有较好表现，而且当噪声水平较低时，本算法也降低了运行时间。