图像去噪作为一种数字图像相关应用的重要预处理步骤,尽管它已经被研究了近半个世纪,但仍然是最经典和最富有挑战性的课题之一。到目前为止,已经有许多种图像去噪算法被提出。其中绝大多数的算法都是以原始图像的正则性假设为前提的,并且在去噪过程中图像的许多细节都被光滑掉了。A.Buades等人提出的非局部均值算法有效地克服了这些弱点。非局部均值算法通过利用数字图像中大量的冗余信息,建立待去噪像素点邻域与搜索区域的像素点邻域的相似函数,计算搜索区域各像素点与待去噪像素点的相似度权重,然后对搜索区域内的像素点进行加权平均,从而得到去噪点的灰度值。该算法在纹理,边缘信息的保持,以及去噪效果方面是目前最好的两种算法之一,但由于非局部算法是从像素点到像素点逐个进行处理的,故其计算复杂度较大。本文在非局部均值框架下,根据图像自身的几何特征,做了以下工作:1.本文引入了光滑样条估计和广义的交叉验证准则,基于小波分解给出了更为精确的噪声方差估计,这为后续的去噪步骤提供了精确的去噪参数;2.本文在原有基于图像邻域的灰度值计算权重的方法上,引入了相应的邻域的高斯曲率,给出了更精确的权重计算方法,提出了非局部双边滤波算法;3.本文基于图像几何结构的像素融合生长算法,给出了更为合理的搜索区域,提出了快速的非局部自适应滤波算法;4.本文最后基于非局部算子的定义,介绍了和实现了前沿的非局泛函下的非局部全变差算法。大量的数值试验验证了本文算法在纹理,边缘信息的保持,以及去噪效果的稳健性。