图像作为信息化时代的一种重要的信息载体,其对应的图像处理技术已广泛地应用于各个领域,如航空航天、军事、治安监控、医疗卫生等。在这些应用领域,一幅高质量的图像对相关问题的分析和后续处理起着至关重要的作用。但由于采集设备、通讯条件等因素的限制,图像在采集、传输与存储过程中无法避免受到各种噪声信号的污染,导致图像偏离了它的真实情况,大大降低了对图像目标信息后续的解释和编译能力,如特征提取、目标识别和图像分析。这使得在利用图像之前有必要去除图像中的噪声。为克服非局部平均方法在选择相似块时间复杂度高的缺点,并且充分利用非局部相似块之间的结构特征信息,更好地保护图像原有结构信息,论文工作着重从两个阶段来改善现有的非局部平均算法,即相似块的搜索和在此基础上的非局部去噪方法。主要包括以下几个方面的工作：1.提出一种非局部马尔科夫蒙特卡罗采样和低秩逼近的随机去噪方法。该方法首先通过马尔科夫蒙特卡罗随机采样寻找每个图像块的相似匹配块组,然后对这些相似匹配块组进行奇异值分解,用分解后的低秩结构恢复原图像,从而达到去噪的目的。实验表明,所提方法计算复杂度低,和非局部平均方法相比,较好地保留了边缘等细节信息；和BM3D方法相比,所提方法能保持较好的视觉质量。2.为降低奇异值分解的低秩逼近方法的计算代价,减少对原数据的重构误差,提出一种基于双边下采样傅里叶变换投影的低秩逼近图像去噪算法。该算法改变高斯随机下采样投影,采用下采样随机傅里叶变换投影,达到对原数据更高的重构精度。实验结果表明,所提算法能有效地逼近奇异值分解的最小重构误差,降低计算复杂度。与NLM方法相比,在去除噪声的同时较好地保留了原图像的结构信息；与单边随机投影低秩逼近方法相比,保证了较低的重构误差；和BM3D方法相比,所提方法能保持较好的视觉质量。3.提出了一种自适应随机非局部去噪方法,在图像的不同位置确定对应的非局部相似块的最佳尺寸,从而提升去噪图像的质量。新方法分为两个阶段实现：基于自适应窗的相似块搜索,和在此基础上的双向非局部去噪算法。在第一阶段,对噪声图像每个像素点邻域通过多次马尔科夫蒙特卡罗随机采样寻找到多个相似匹配块组；利用不同匹配块组估计的一致性给出相似块尺寸调整的判据；调整相似块尺寸并重复上述过程得到该像素点邻域的最佳相似块尺寸和对应的最优相似块组。在第二阶段,为充分利用选定的相似块组的双向相似结构,同时为减少计算代价,提出修正的双向非局部算法,得到对应的无噪相似块组的估计；进一步利用叠加的方法得到去噪图像。理论分析和仿真实验结果表明：相比于固定尺寸窗的去噪算法,如BM3D和NLM方法等,本文算法具有较低的时间复杂度,去噪后图像具有更高的图像质量和理想的视觉效果。4.提出一种分而治之的随机图像去噪方法。所提方法采用分而治之的策略提取图像中的方向信息,进行有方向的采样。首先使用小波变换将观测图像分成不同子带图像提取不同方向的方向结构信息；其次对各子带图像采用不同的椭圆高斯采样获得不同子带相似块,此方法降低高斯分布下的高采样拒绝率。在第二阶段对已选定的相似块进行处理,为避免使用稀疏编码所带来的高计算复杂度,采用修正的两方向非局部方法对相似块进行处理。这种两方向非局部方法从计算复杂度到最终的去噪结果都优于稀疏表示方法和奇异值分解方法。