图像去噪技术是计算机视觉和图像处理领域中的重要组成部分。现实生活中,图像极易受到噪声的污染,良好的图像去噪方法可以提高图像质量,增加后续对图像进行处理和分析的准确性。目前,针对图像中噪声的去除,虽然已经有很多去噪模型被提出,但是这些去噪模型往往存在算法参数取值不明确和模型去噪类型单一的问题。对这些去噪算法进行更为深入的分析,可以提高算法的应用价值,具有非常实际的研究意义。非局部均值算法(Nonlocal Means,NLM)和全变分(Total Variation,TV)模型是两种非常经典的图像去噪方法。本课题将分别以这两种算法为切入点,对图像去噪算法进行分析和研究。论文中首先对影响这两种方法去噪性能的因素进行详细分析;然后针对NLM算法的权重函数中平滑参数取值不明确的问题,根据高斯噪声的分布规律,提出了一种新的权重计算模型,并给出了相应权重参数自适应的计算策略;最后针对TV模型不能有效去除脉冲噪声的问题,对模型中保真参数的取值方式进行修正,按照含噪像素点所含噪声类型的不同,为每个像素点分配不同的保真参数值,使TV模型具有了去除高斯和脉冲混合噪声的能力。通过实验效果和数据的对比分析,证明了对NLM算法提出的新权重模型的合理性,权重参数计算策略的有效性以及对TV模型中保真参数取值方式所提出的修正策略的正确性,达到了预期的目的。