安检图像是一种典型的X射线图像,由于X射线的成像原理以及行李箱包的复杂性,安检图像存在内容丰富,边缘复杂,容易受到噪声干扰等特点,给工作人员识别危险物品带来困扰。安检图像的细节十分重要,关系到安检人员的判断准确性,而传统的图像去噪算法在处理安检图像时通常不能有效地去除噪声并且保留图像的边缘细节。针对这个问题,本文以偏微分方程数学理论为基础,主要研究了一种基于偏微分方程的自适应图像去噪算法,用于处理被噪声干扰的安检图像。在理论研究中有多种不同的偏微分方程去噪方法,本文着重强调的是Perona-Malik(P-M)各向异性扩散方程的算法。这种基于P-M扩散方程的自适应图像去噪算法将图像去噪分为了两个过程,分别为图像自适应的边缘检测过程和根据检测结果以不同的扩散方式处理图像噪声的过程。具体行为是首先改进了原始的P-M扩散方程的的扩散系数,设计了一种自适应边缘检测函数,该函数通过梯度的变化将图像分为平坦光滑区域和边界区域；P-M扩散方程可以在不同的区域表现出不同的扩散方式,从而在去除噪声的同时不会对边缘细节造成太大的影响。最后,在自适应的P-M扩散算法的基础上,应用了结构张量的原理,用结构张量中的连贯性张量和张量度量分别代替边缘检测函数中的梯度,增强了边缘检测的能力,使得图像去噪的效果更佳。本文使用了不同的图像数据对所研究的基于P-M扩散方程的自适应去噪算法进行了实验,实验证明该算法比原始的P-M图像去噪算法更具备有效性,在对安检图像的处理中,既可以去除安检图像的噪声,又对图像的边缘信息不会造成太大的影响。通过主观和客观的分析,均证明改进后的基于偏微分方程的自适应算法优于原始的偏微分方程算法。