图像去噪是数字图像处理领域中一项十分关键的技术，是数字图像相关应用中的一个重要预处理步骤。尽管图像去噪算法已经被研究了近半个世纪，但仍然是最富有挑战性的课题之一，不断吸引研究者继续开发新的算法来获取更好的去噪效果。　　 在目前已有的图像去噪算法中，基于块的算法无论在保留图像细节还是在抑制人造效应方面都有着很好的表现，因而受到了广泛的关注。本文从图像块间的相似性和块内的方向性着手，对基于块的图像去噪算法进行了研究，并提出了一些改进方法。论文的主要工作如下：　　 对基于相似块匹配的非局部均值滤波去噪算法，以及进一步扩展的最优空间自适应滤波进行了研究。在此基础上，结合模糊集合理论提出了一种新的模糊加权算法。该算法通过模糊聚类分析对图像块的相似程度实现了最优模糊划分，从而改进了权值分配函数，并且引入变化的控制参数使权值在不同的迭代步骤中的分配具有自适应性。对于那些在图像中缺乏相似点的噪声像素，利用模糊控制法则对其残余的噪声值进行修正。实验表明所提出的模糊加权方法显著的提高了原有算法的去噪性能。　　 介绍了自适应与非自适应方向小波变换和方向DCT变换，指出与方向小波变换相比，方向DCT变换具有更好的局部方向特征感知和表示能力并且易于实现。在原有方向DCT变换框架的基础上，利用2-D Gabor方向滤波器组对其方向模式选择算法进行改进，降低了其计算复杂度，并且重新排列变换系数来提高系数问的相关性，改善了原有方向DCT变换的性能。同时为了使方向DCT变换能够用于噪声图像，引入预滤波的思想来减少噪声对块主方向估计的影响。基于这个改进的方向DCT变换，利用经验维纳滤波处理变换后的噪声图像系数来获得最终的恢复图像。最后，在块方向性去噪算法的基础上，同时考虑块间相似性，提出了一种联合去噪算法。实验结果证明了所提出算法的有效性，特别是能够在去除噪声的同时很好的保留图像中的方向性特征。