本文主要关注的是图像处理领域的一个热点与难点：在图像去噪的过程中,如何更好地保存弯曲边缘和复杂纹理。一方面,在图像采集、获取和传输等环节,容易受各种因素的影响,从而导致图像质量下降、细节特征淹没、视觉效果恶化等,使得图像的使用价值降低。同时,在当今社会的生产与生活中,对图形图像的应用需求会越来越广泛。另一方面,在图像去噪过程中,不可避免地会导致图像的模糊或平滑,而这又恰好与保存图像的细节信息是相矛盾的。本文首先概述了各向异性扩散模型的相关内容,分析总结得出现有模型的三种经典各向异性扩散,P. Perona和J.Malik提出的P-M各向异性扩散模型、Weiekert的一致性各向异性扩散模型以及前向后向扩散滤波模型。同时通过理论研究和实验证明,这些离散方法没能更好地保存弯曲边缘和复杂纹理的根本原因主要在于,扩散不能够沿着弯曲边缘进行。为克服以上缺陷,本文在P-M各向异性模型的基础上,提出采用时间累积的步进各向异性扩散模型进行图像去噪。时间累积的步进各向异性扩散模型主要采用了扩散中心的步进移动以及不同方向上扩散点的时间累积两大机制。扩散中心的步进移动依赖于图像的结构信息,通过八邻域差分算子来确定步进移动的方向。以此得出的扩散点能更好地反映初始扩散中心的特征。不同方向扩散点的时间累积由我们所提出的扩散累积函数来实现。看似一个简单的累积叠加过程,却能实现扩散结果的不断优化,从而得到一个稳定而可靠的值。在本文的最后,对以上所提出的算法通过MATLAB进行仿真对比实验。实验证明,我们的算法在去噪的同时能更好地保持图像的弯曲边缘和复杂纹理等特征信息。