图像去噪作为计算机视觉领域内重要的研究方向之一,在军事、民生等各个领域具有广阔的应用场景。数字图像由于成像系统、传输媒介等因素的影响,在采集、压缩和传输过程中可能被噪声破坏,进而导致图像信息的失真或丢失,使图像质量发生退化。因此,对带噪图像进行降噪处理是十分必要的,图像去噪效果优劣将直接影响到后续处理能否顺利进行。本文以深度卷积网络为基础,提出了基于深度卷积网络的图像去噪算法。为在降噪过程中充分利用图像的自然场景统计特性,本文提出了一种结合多尺度特征提取和稀疏性的图像去噪算法。该算法通过构建多尺度特征提取模块对输入图像进行卷积运算,以便获取丰富特征使去噪网络能够在去噪过程中充分利用图像的自然场景统计特性提高网络去噪性能。同时,算法中结合了由空洞卷积和普通卷积构成的稀疏层,增加了网络稀疏性以及网络感受野,进一步提高网络的去噪性能。为证明本文算法的有效性,将本文算法与现有几种主流的去噪算法在五个标准数据集上进行对比实验,实验表明本文算法能够在灰度图去噪上取得更好的去噪性能、保留更多图像细节;在彩色图像去噪上有着更好的表现。为更好地保留图像的细节特征,本文提出了一种结合高低维特征融合的图像去噪算法。该算法采用生成对抗网络并在生成器中通过结合高低维特征融合实现特征的有效利用进而提高去噪效果。算法生成器分为三层,每层的输入数据大小不同,经过网络之后形成不同维度的特征,并且通过上采样操作将低维信息传入到高层中实现高低维特征融合,同时损失函数采用多尺度内容损失函数与对抗损失的加权,在去噪的同时保留图像细节、纹理等特征。另外为更好利用高维特征以及低维特征,本文通过采用上下采样操作引入更多的信息交互通道,进一步实现高低维特征间的相互融合,提升了算法性能。为证明本文算法的有效性,将本文算法与现有几种主流去噪算法在标准数据集上进行对比实验,实验数据表明,在客观评价指标峰值信噪比方面本文算法可以获得更高的数值;在主观评价指标方面本文算法能够保护好图像中纹理与细节特征,使去噪后的图像显得更加清晰自然。