图像去噪一直以来都是计算机图像处理和计算机视觉中的一个研究热点,并且随着成像分析和对图像的后续应用方面的发展,人们对图像质量的要求越来越高,因此自从图像去噪出现的那天起,人们就没有间断过对图像去噪算法的研究。之前人们所提出的图像去噪算法,.虽然都能起到去除噪声的效果,但是各种方法都存在着自身的问题。近年来Antoni Buades提出的非局部均值去噪方法,Dabov等人提出的三维块匹配去噪方法(Block match and3-D filtering,BM3D),都利用图像自身的相似性取得了很好的去噪效果,但是在光滑区人工痕迹比较明显。针对上述去噪算法存在的问题,本文提出了基于区域划分的图像去噪方法。将一幅带有噪声的图像分成很多小块,通过大量的统计实验发现,块的方差在噪声图像的光滑区域和非光滑区域存在很大的差别,光滑区域方差较小而非光滑区域方差很大。我们通过阈值选取那些较小方差的块,认为它处于光滑区域,其余部分为非光滑区域,从而将一幅噪声图像划分为光滑区域和非光滑区域。primal sketch是一种稀疏表示模型,它将图像分为“可素描”部分和“不可素描”部分,而“可素描”部分正是边缘结构所在的区域,我们按照primal sketch图上各点的方向设计结构块来提取图像的结构区域。最后,由于用方差统计的方法将一幅图像分成了光滑和非光滑区域,用primal sketch结构提取的方法将图像分为结构区和非结构区。结构区域有可能跟光滑区和非光滑区重合,我们制定了融合规则,认为当与结构区重合时按结构区处理,不重合的区域按原来的光滑或非光滑区域处理。从而将图像分为结构区,光滑区和非光滑区。针对光滑区域,由于非局部均值方法在光滑区域留下了人工痕迹,“伪纹理”现象,本文提出了加入均值思想的非局部均值方法,以消除非局部均值带来的“伪纹理”现象,取得了更好的去噪效果。对结构区域,我们改进了BM3D方法中块的取法,取的块不再是传统的正方形块,而是与Primal sketch线段方向相一致的正方形块。将找到的相似块组合成三维数据,用三维滤波方法进行去噪。通过仿真实验,我们分析了原始方法与改进后的方法在去噪效果上的差别,证明了本文提出方法的有效性和可行性。最后,总结了本文的工作并给出了下一步的研究方向。