数字图像在获取和传输的过程中经常会被各种各样的噪声污染,导致图像偏离原来的真实性从而干扰人们对图像的理解和分析。因此,为使图像保持原本的质量,则需要滤除图像中包含的噪声。目前,存在很多去噪效果良好的图像去噪方法,其中各向异性扩散滤波扩散方法对提高噪声图像的质量有一定的帮助。这种方法可以按照人们所期望的扩散行为来处理图像。本文在图像去噪领域下,对各向异性扩散算法进行相关研究:提出了一种基于方法噪声的块相似性各向异性扩散图像去噪方法。由于单个像素点蕴含的信息有限,导致各向异性扩散滤波去噪时产生阶梯效应以及边缘细节出现模糊现象。块相似性各向异性扩散模型结合了非局部均值滤波中的块相似性,用图像块代替单个像素来重新构造扩散函数,提高了去噪方法的边缘细节保持能力。但该模型仍会丢失图像的边缘结构信息,因此本文提出了一种改进方案。首先,使用双边滤波去除方法噪声图像中的噪声,保留图像的结构信息;然后,将各向异性扩散滤波的去噪结果与处理后的方法噪声相结合,得到的图像所含结构信息优于处理前的图像。提出的新模型充分利用方法噪声中残留的图像结构信息,使其达到保边去噪的效果。提出了一种基于非下采样Contourlet变换(NSCT)的核各向异性扩散图像去噪算法。经过人们对各向异性扩散方法的研究和应用,发现该方法对于低信噪比图像的处理效果较差,因此本文提出了一种各向异性扩散的改进算法。首先,使用NSCT对图像进行分解变换,分解得到的高频分量采用核各向异性扩散方法进行处理;然后,在核扩散时根据图像的梯度信息自适应地选取扩散函数,这样就可以在不同区域实现不同的扩散程度;最后,为了充分利用图像的梯度信息,进而使用中值绝对偏差法计算出梯度阈值。通过实验验证不论是从主观评价还是客观分析(峰值信噪比),本文提出的算法都有效提高了图像质量。图[17]表[2]参[77]