图像去噪是图像处理领域中的重要研究内容。有效地去除图像中的噪声，不仅能提高主观视觉效果，而且能改善图像的后续处理结果。本文对各种去噪算法尤其是非局部平均算法（Nonlocal Means）进行了深入研究，分析了算法的优缺点，并针对性的做出改进，实验结果证明了改进的有效性。本文提出了一种新的噪声标准差的估计方法。通过对噪声图像的各级小波系数做归一化处理，使其近似为白噪声，然后利用白噪声的标准差估计方法来估计未知噪声的强度，取得了准确稳定的估计结果。原始的非局部平均算法对于所有像素采用相同的滤波参数，而没有考虑像素特征的差异性。本文使用边缘检测方法对像素进行分类，对边缘点等高频细节施加较弱的平滑，对平坦区域等低频信息施加较强的平滑，使得算法能够适应图像的特征而调整平滑强度，在滤除噪声的同时减少了图像细节的损失，取得了更好的去噪视觉效果。针对非局部平均算法计算量庞大的缺点，通过对加权欧式距离公式的分析和简化，提出了基于快速傅里叶变换（FFT）和平方积分图（SSI）的加速方法。该方法有效地去除了原算法中的计算冗余，大大降低了计算复杂度，其执行效率可以比原算法提高一个数量级。