随着信息时代的进步,图像处理技术普遍应用于军事、医疗、交通等诸多领域,与日常生活密不可分。然而在采集、传输图像等过程中,由于设备老化、外界环境的干扰等不可避免的原因会在图像中产生噪声,使得图像质量有所下降,从而对后续的图像处理产生影响。因此,为了更好地分析图像,满足实际生活中对高质量图像的需求,首要任务是对图像进行去噪处理。一直以来,国内外一些高校和企业的诸多学者以提高图像去噪质量为目标,对图像去噪方法开展研究。近年来,偏微分方程去噪算法和非局部均值去噪算法的理论知识较为完备,且去噪效果较为优良,倍受学者们的关注。本文以偏微分方程和非局部均值去噪算法为研究对象,开展图像去噪理论研究,主要研究内容如下:(1)PM模型去噪后图像出现阶梯效应,YK模型去噪后图像残留一些斑点,针对该现象,提出一种新的混合模型。在PM去噪后的图像中引入纹理检测算子,构造新的扩散函数,计算剩余图像的局部方差,利用梯度与剩余局部方差之间的关系,自适应选择扩散系数,引入一个权重参数?使得NAPM模型与四阶YK模型相结合。通过实验验证了该新模型去噪性能更具优越性。(2)非局部均值滤波算法的权重函数是指数型函数,权值分配不合理,易造成去噪后图像模糊的现象,针对该现象,提出改进权重的非局部均值滤波算法,第一步提出一种新型的加权函数,使得像素邻域相似度较低的所占的权值比重较小,像素邻域相似度较高的所占的权值比重较大,在像素邻域相似度由高到低过程中权值迅速下降;第二步引入邻域相似函数,更准确地提高邻域间的相似度。实验仿真表明该算法能够有效去除噪声,保留更多的边缘纹理信息。(3)非局部均值去噪算法在计算像素间相似度时速度极慢,去噪效果欠佳,针对该现象,提出基于离散余弦变换的非局部均值滤波改进算法。该算法将图像块进行离散余弦变换,运用低频系数子空间进行筛选数据;再将非局部均值的权重函数与双边滤波的空间邻近函数结合,构造出新的权值函数;最后利用新的权值函数计算像素的相似性。从主观评价准则和客观评价准则两方面验证所改进的新算法的可行性,再通过方法噪声观察图像中残留的结构边缘信息,实验表明去噪后的图像质量明显提高。