图像在获取和传输过程中不可避免的受到噪声污染,为后期处理带来不便。现有的基于变分法的图像去噪模型主要有全变分模型和调和模型,前者能够较好的保持图像的边缘,但容易产生阶梯效应;后者对平坦区域去噪效果好,但容易模糊图像的边缘。为了克服它们的不足,本文考虑一种混合去噪模型,以兼顾二者的优点。该模型是全变分模型和调和模型的凸组合,组合系数较大时偏向于全变分模型,较小时偏向于调和模型。我们从扩散性的角度分析了混合模型的合理性,并通过数值实验检验其有效性。数值实验表明,适当选取组合系数,混合模型的去噪效果比全变分模型和调和模型好,并且计算时间比全变分模型少。由于图像分为平滑区和边缘区,对不同区域选择不同的组合系数应该可以取得更好的去噪效果。我们通过变化组合系数将混合模型改进成自适应的。利用图像中每一像素点的梯度信息,自适应的选取决定扩散强弱的参数（?）（x,y）,并设置两个阀值β₁,β₂,当（?）（x,y）＜β₁时,认为是平坦区域,采用调和模型进行计算;当（?）（x,y）＞β₂时,认为是图像的边缘,采用全变分模型进行计算;当介于两者之间时,采用混合模型进行计算。数值试验表明,应用相同的终止准则,混合自适应模型与全变分自适应模型的去噪效果相当,但前者的计算时间仅为后者的一半;混合自适应模型比混合模型的去噪效果明显好。