图像去噪是图像处理的基本问题之一,经过多年的研究,目前的图像去噪算法对于噪声强度较弱时已经能够达到很好的性能。然而在高噪声的环境下,由于信噪比低,图片内可利用的信息不足,这些算法的性能会迅速下降。基于神经网络的图像去噪算法通过学习自然图像的统计特性,借助外部信息来为去噪过程服务,十分适合高噪声环境下的去噪任务。然而近年来深度学习的研究表明,传统的基于S形函数的神经网络存在着一定的局限性,这些局限性限制了算法性能的提高。本文以神经网络的工具为基础,结合图像去噪问题的特性详细探讨了网络参数的设置以及训练的技巧。并提出使用线性整流函数代替S形函数作为神经网络隐藏层的激活函数以进一步增强神经网络解决去噪问题的能力。实验表明通过更好地识别自然图像中的模式,我们的模型和传统的使用S形单元的模型相比可以在更短的时间内达到更好的效果。在与现有的其它优秀去噪算法的比较中,我们的算法取得了十分有竞争力的结果,尤其在高噪声环境下性能十分优异,在消除噪声的同时很好地保留了图像中的细节信息。