在对图像信息进行处理的过程中,由于种种原因,其质量有可能受到损害,噪声是其中之一。因此为了后续更高层次的处理,有必要对图像进行去噪。近年来,在非参数估计理论基础上发展起来的核回归方法得到了很大发展,已经渗透到各个领域,并在图像去噪中取得了一定成效。虽然图像去噪方法已有很多,但利用核回归的图像去噪仍是值得关注的,在理论和实践上都具有很大的研究意义。本文基于核回归的图像去噪进行了研究。主要工作包括以下几个方面:一、综述图像去噪的相关知识及常用的去噪技术。二、简要回顾了回归理论及几种主要回归模型。三、对传统核回归去噪方法进行研究,通过实验证明了其在图像去噪上的发展潜力。将经典核回归与图像特性相结合,在此基础上提出了自适应的核回归去噪算法;四、在自适应核回归的基础上引入一个迭代过程,实验结果显示该算法能够提高估计图像的质量。实验说明了该算法的几个性质:1、对于相同的全局平滑参数,在达到最佳估计之后,误差随迭代次数增加而增大;2、估计结果的偏差随迭代次数增加而增大,方差相反;3、对于不同的平滑参数,达到最佳估计的迭代次数不同。较小的平滑参数需要更多的迭代次数;4、不同平滑参数的最佳估计的误差很接近,但视觉效果不同。较小的平滑参数和较多的迭代次数可以更好的保留图像细节,获得更好的视觉效果。五、采用了一个结合sobel算子的核回归去噪方法,理论上分析了该方法的可行性,该算法能够在高阶回归时极大的减少计算量,并且有更好的去噪效果。六、给出了在Visual C++6.0中实现本文算法的过程,实验比较了本文所有算法,结果显示了迭代算法的有效性。最后将本文算法应用于医学图像中,并与常见去噪算法进行比较,结果显示了本文算法能够较好的解决医学图像去噪问题。目前核回归去噪方法所取得的成功不仅拓宽了核回归去噪方法的应用领域,而且推动这些领域研究发展。同时从这些领域的应用中反馈新的问题,会进一步丰富核回归理论的内容和推动核回归在图像处理应用中的发展。