图像作为非常重要的信息载体,一直在各个领域都有着广泛的应用,比如计算机视觉、智能交通、工业制造、航天航空等等。但是图像在采集、存储、传输等过程中会不可避免地受到各类噪声的干扰,造成图像信号失真。在需要图像信息的领域都对图像的质量有着较高的要求,被噪声干扰后的图像非常不利于图像的应用。因此,对含噪图像进行去噪处理就变得十分必要。变分法作为重要的数学理论,在图像防抖、图像去模糊有着广泛的应用与研究。在图像去噪领域,变分法结合了图像自身的冗余性和非局部性,通过建立含噪图像的非局部变分模型来求解无噪图像,该模型具有很好的理论依据和实际去噪效果,有着很大的研究价值。本文研究了非局部总变分方法在图像去噪中的应用。主要工作和研究成果如下:1、总结了国内外在图像去噪领域的研究现状与目前主流的图像去噪算法,深入分析、研究了具有代表性的几种图像去噪算法:NLM、NLTV、BM3D,分析了这些算法自身的不足以及需要解决的问题。2、将NLTV算法与ICA算法结合,提出了新的图像去噪算法:NLTV-ICA。实验表明,新算法在视觉效果和客观评价上都比NLM和NLTV算法有提高。3、提出了新的自适应NLTV算法(NA-NLTV)。利用图像自身的冗余性和相似性,通过构建自适应平衡函数来使得NLTV模型自动识别图像的纹理信息,优化NLTV模型的数据项和保真项的平衡关系。实验表明,优化后的NLTV模型具有更好的去噪效果。4、针对本文所提出的NLTV-ICA和NA-NLTV算法具有较大的时间复杂度、算法运算速度较慢的问题,本文使用GPU并行计算来加速算法的运行速度,大幅提升了算法的运行速度。