社会的发展带动着信息数据的高速运转,为了能更加直观、生动的获取我们所需的信息,数字图像进入了信息载体的“主流”之中。并且随着科技发展不断的推动,数字图像已经以不同形式在教育、医疗、通信、智慧农业、通信等方面发挥着极为关键的作用。快速的发展也带来了一定的弊端,尤其是图像的清晰度问题,使得对于真实信息的获取受到了一定的阻碍。在图像的采集和传输过程中,由于外界环境以及传感器本身的影响,图像会不可避免受到噪声的影响从而导致质量下降,其准确性、直观性、高效性以及实用性都会因此大打折扣[1]。因此,图像去噪技术应运而生,让不少研究者趋之若鹜。在完善的过程中,三维块匹配滤波算法（Block-matching and 3D Filtering,BM3D）以其独特而有效的优势取得了诸多肯定。作为数字图像领域去噪效果最好的方法之一,仍存在一些不足之处:计算效率的低下,高计算成本的叠加、边缘纹理信息去噪效果不明显等问题,这些不足限制了该算法的广泛应用。为了获得更加清晰的图像,本文提出对原有BM3D算法的改进。论文的主要创新工作和研究成果如下:（1）BM3D算法显示了其强大的图像去噪能力,这是通过对噪声图像生成的三维阵列进行块匹配,滤波和聚合来实现的。在论文中,首先针对相似块搜索耗时的问题,对分组过程进行了优化。其次提出了通过使用基于差异系数（Coeffificient of Variation）的预分类的自适应算法来降低其高计算成本。经过预分类后,获得了具有不同局部结构信息的两个块子集,分别为复杂纹理区域和平坦区域。因此,针对不同的区域使用不同的匹配方法,这将以较低的计算成本更好地消除噪声。实验结果表明,与原始BM3D算法相比其计算成本显著降低。（2）在BM3D算法中,复杂纹理区域由于不具备足够多的相似块,导致边缘去噪效果不明显。针对该区域,原始BM3D算法无法尽可能多地恢复复杂纹理信息。文中为该区域提出了一种结合了改进TV模型和BM3D的方法来恢复图像。与基础的ROFTV模型相比,所改进模型在主观和客观评价上都取得了一定的提升,为完善边缘信息等细节打下了良好的基础。在实验过程中,我们发现复杂纹理区域的边缘仍存在模糊的问题。因此,该区域采用改进的Prewitt算子边缘检测算法进行边缘检测和增强,进一步完善实验效果。两种改进算法的有效结合弥补了原有BM3D算法的主要不足之处。不论是计算量较大还是复杂纹理区域去噪难,图像恢复实验效果都取得了较好的提升。