在图像去噪过程中,图像去噪和保护图像的边缘、纹理等结构信息之间一直是一个相互矛盾的问题,而基于偏微分方程(Partial difference equation,PDE)的图像去噪方法能够有效地平衡去除噪声和保持图像结构信息方面之间的矛盾,使去噪结果图像能够得到很好的视觉效果。本课题研究内容主要集中在对基于PDE的图像去噪方法的研究,详细分析了张量驱动型曲率保持PDE滤波方法(Tensor-driven curvature-perserving PDE,TCPDE),指出该方法可以做进一步的改进来提高图像去噪效果,对此进行了相关的分析和研究。非局部均值滤波是近年提出的一种有效的去噪方法,受到了广泛研究,本课题将非局部滤波的思想应用于基于PDE的图像去噪方法中,结合变分法和非局部均值滤波法来对图像滤波,获得了更好的去噪结果。本课题的主要研究内容包括下面两个方面:提出了一种加权型曲率保持PDE图像滤波法。针对TCPDE滤波法使用了线性结构张量来构建扩散张量的缺点,构造了新的非线性结构张量对TCPDE滤波法进行了改进。TCPDE将扩散张量投影于各个方向形成对应的向量场,然后对各个向量场中得到的曲线上的像素作了简单的平均操作,实际上简单的平均操作未能够充分考虑图像内容结构,影响了对图像边缘与角点的保持能力。针对此缺点,根据图像局部结构信息,为不同的积分曲线设计了不同的权函数,实现了对各积分曲线的加权处理,综合提出了一种新的加权型曲率保持PDE图像滤波法。在图像非局部全变分(Total variation,TV)去噪模型基础上,结合变分法和非局部的思想,提出了分别以非局部总广义变分和非局部TV作为正则项,以非局部迭代为保真项的变分模型。借鉴非局部均值滤波法中图像片之间具有相似性的性质,进一步对加权曲率保持PDE图像滤波法进行了改进,利用图像中像素的相似性度量来构建核函数,用该核函数代替传统的高斯核函数和各个向量场中得到的曲线上的像素作卷积,进一步提升了算法的去噪能力和保留图像结构信息的能力。