图像信号在产生、传输和存储的过程中不可避免地受到各种噪声干扰，因而现实图像往往带有噪声，图像降噪便成为图像处理的主要技术之一.而其降噪算法研究则成为了横跨数学、计算机科学和信息技术的交叉领域.　　本文首先概述了邻域均值法、奇异值分解法及傅立叶变换降噪法，并通过图像降噪实验说明了这三类算法的降噪效果.然后提出了迭代均值法、旋转非局部加权平均法及泊松噪声的最优化加权平均法，并通过图像降噪实验把它们和上述三类经典算法的降噪效果进行了比较.实验表明，本文提出的几类降噪算法能提高图像重构质量.　　邻域均值法利用邻域灰度均值估算中心像素灰度值，本文将其改进为迭代均值法，并通过图像降噪实验表明该算法去除高斯噪声比经典邻域均值法重构图像质量更高.　　非局部均值滤波法根据像素比较窗口内的灰度分布定义像素间的相似距离与相似权，然后将待处理像素学习窗口内的所有像素按其与中心像素的相似权进行灰度平均，作为中心像素灰度重构值.本文一方面通过加权欧氏距离定义像素间的相似距离和相似权，另一方面通过旋转比较窗口定义更加合理的相似距离和相似权.图像实验表明，本文提出的算法去除高斯噪声比现有非局部加权平均算法重构图像质量更高.　　泊松噪声是常见图像噪声之一.根据泊松噪声的概率分布规律，综合运用概率论和最优化理论方法可建立图像泊松噪声的非局部最优加权降噪模型.本文以平均权作为迭代初值，分别采用有效集算法、内点法、SQP等迭代算法构造滤波器，并通过图像实验证实了算法的可行性.