在实际生活中，图像容易受到各种因素不同程度的噪声干扰、失真、模糊，降低了图像的质量，在很多领域对高质量图像的需求必不可少，因此图像恢复技术在图像预处理中是非常重要的环节。本文主要采用偏微分方程对噪声图像进行恢复处理，重点在二阶和四阶偏微分方程去噪模型方面进行了改进，具体包括以下几个方面：　　（1）通过对现有的二阶偏微分方程模型中扩散函数优缺点的分析，首先构造了一种新的扩散函数，其扩散效果优于P-M模型扩散函数；其次根据现有模型在选取阈值时存在的不便，设计了具有自适应能力的新阈值函数；最后将新的扩散函数和阈值函数结合，建立新的扩散模型。数值实验表明，该模型具有有效去除噪声、保留边缘的优点，能保留更多的图像细节信息。　　（2）针对二阶各向异性扩散模型产生“阶梯效应”、四阶各向异性扩散模型产生“斑点效应”的缺点，本文提出了一种改进的各向异性扩散混合模型，在平坦区域采用二阶各向异性扩散进行图像去噪，在边缘附近采用四阶各向异性扩散进行图像恢复。数值实验表明，新模型能有效地去除噪声、保留边缘，且保留更多的图像细节信息，减少了算法的计算量，提高了恢复图像的峰值信噪比和结构相似度。　　（3）通过对二阶和四阶偏微分方程混合模型优缺点的分析，本文引入差分曲率算子构造新的权重参数，再次结合TV模型和Y-K模型，建立新的自适应图像恢复模型。数值实验表明，新模型能有效地去除噪声、保留边缘和更多的细节信息，简化了图像处理过程的步骤，减少了计算量，提高恢复图像的质量。