作为人们获取和传递信息的主要方式之一,图像在日常生活和科学研究中不可或缺。然而由于现有科技以及设备等的不完善,图像在获取和传递过程中,会发生一定程度的质量退化问题,影响后续图像处理的实现。因此,怎样恢复出高质量的图像一直是众多研究人员努力的方向。图像去噪是图像恢复领域一个重要的分支。为更好地去除噪声,研究人员提出了很多方法。本文针对如何去除图像中的噪声,在现有去噪效果显著的两种去噪方法基础上进行理论分析与创新实验,对其进行改进,提出三种有效的去噪算法,并得到了实验证明。三维块匹配滤波算法因其良好的去噪效果,常常被用来衡量新的去噪算法的有效性。但是,该算法对保护图像的边缘、细节等信息,仍然存在局限性。因此,本文提出了一种利用方向扩散方程来修正BM3D图像去噪改进算法。首先,利用小波分解将BM3D算法去噪图像分解成相互垂直的三个子带。其次,利用加入了各向异性扩散算子和扩散系数的方向扩散方程将去噪图像高频小于阈值子带像含噪图像对应子带进行扩散。最后,利用扩散所得新的估计值代替去噪图像原有子带得到最终去噪结果。数值实验表明,相较于原始BM3D去噪算法,该算法能更有效地去除噪声并保护图像边缘、细节等信息。类似地,对非局部均值图像去噪算法进行改进。由于NLM去噪结果的高频小于阈值子带对应方法噪声中含有原始图像较多信息,因此,利用Bayes Shrink阈值对其方法余项小波系数进行收缩,将所得结果加入到原有高频小于阈值子带。数值实验表明,相较于原始NLM算法,改进算法有着更好的视觉效果和更高的客观指标。当待处理图像含有较高水平噪声时,利用BM3D算法进行去噪,去噪性能会下降,图像会出现模糊、伪影等问题。因此,本文提出一种基于主成分分析的两阶段高噪声图像去噪算法。首先,利用BM3D算法进行一阶段去噪。然后,对产生的方法余项,进行局部像素点聚集寻找训练样本,在PCA变换域内将系数进行压缩,再PCA逆变换得到对应的残余图像。最后,将一阶段去噪图像与残余图像相加,再次利用BM3D算法进行二阶段去噪,得到最终的去噪结果。实验结果表明,相较于原始BM3D算法,利用本文所提方法对高噪声图像进行去噪,能够有效减少伪影,更好地保护图像的边缘等信息,相应的客观评价指标PSNR值和SSIM值也都有所提高。