本论文关注图像去噪中的重要问题：如何在去除噪声的同时,保持边缘和纹理等重要信息。但是,现有大部分的去噪算法都是基于块平均的方法来达到去噪的效果。由于块平均的方法在纹理和边缘附近不能正确寻找相似点,将会导致图像过平滑或者边缘模糊。通过深入研究分形相关理论,我们认为,不同的分形维数将对应图像的不同区域,这些区域包括,平滑区域、边缘区域以及纹理区域等。这是因为,平滑区域由于灰度变化较小,拥有较小的分形维数；边缘区域由于灰度跳变的影响,拥有较大的分形维数；而纹理区域则拥有相对固定的分形维数。这样,分形能够帮助我们在图像的不同区域中正确寻找相似点,从而获得更令人满意的图像去噪结果。基于上述理论研究和分析,我们提出了一种新的图像去噪算法——分形非局部均值去噪,以改进现有的一种主流去噪算法——非局部均值去噪算法的性能。主要的做法是用盒计数维数计算出每一个点的分形维数,将这些分形维数和非局部均值中的块相似结合以正确寻找图像中的相似点,进而利用这些正确寻找的相似点的均值,获得更好的去噪结果。通过系列验证和对比试验,我们验证了新算法的理论基础及可行性。同时,通过计算不同去噪图像的峰值信噪比(peak signal to noise ratio,PSNR),进一步证明新算法获得的去噪图像能够获得更令人满意的去噪结果。