从观测到的噪音图像中尽最大可能恢复原始图像,是图像处理工程中的一项最基础和关键的工作,图像去噪是许多数字图像应用领域的基础.在医学图像,卫星遥感图像,飞机航拍图像,x-光扫描图像等诸多应用领域中,去噪效果都直接或间接地影响着数字图像的实际工程应用,所以图像去噪一直为图像应用工程界所关心,因此也引起该领域的科研工作者的极大关注.传统的去噪方法在消除噪音的同时也模糊了图像的边缘和一些细节,这是在一些应用中所不希望的.在许多实际图像工程应用中,既希望消除噪音干扰,同时尽量保留图像的边缘和细节。将偏微分方程理论应用于图像去噪近年来受到许多相关学科的研究者的极大关注,并且取得了快速的发展和大量的成果,扩散方法是最有效的方法之一。本文通过分析研究图像去噪的机理,把在图像修补中成功的Euler’s elas-tica各向异性扩散模型应用于图像去噪,达到既尽量消除图像噪音,又减少图像边缘和细节的模糊,改善去噪后的图像的视觉效果.通过大量的数值实验结果,说明这一方法具有较好的效果.