图像在获取、传输和存储过程中易受噪声污染,图像中的噪声严重影响图像的后续处理,因此图像去噪一直是数字图像处理和计算机视觉领域的研究热点。图像去噪的目的是从噪声图像中恢复不含噪声的原始图像,同时尽可能多地保持图像中边缘和纹理等细节信息。现有的图像去噪方法分为线性去噪方法与非线性去噪方法,其中非线性方法越来越受到重视。本文针对图像中常见的高斯噪声、椒盐噪声和随机脉冲噪声去除方法开展研究,主要研究内容包括以下几个方面:一.针对经典的Tikhonov去噪模型和TV去噪模型的缺陷:基于Tikhonov正则化图像去噪模型在平滑区域具有很好的去噪效果,但是在处理图像的边缘时产生模糊效果;而TV正则化模型具有保持图像边缘的优点,但是在平滑区域容易产生阶梯效应,本文提出了基于混合正则化方法的自适应去噪模型用于去除高斯噪声,在平滑区域自适应地选择Tikhonov去噪模型,在边缘附近自适应地选择TV去噪模型。该模型利用分裂Bregman方法进行求解,并通过仿真实验验证所提出的方法具有更好的去噪效果。二.为了降低TV去噪模型的阶梯效应和克服高阶变分去噪模型模糊边缘的缺陷,提出了一种基于TV和高阶变分相结合的自适应去噪模型。该模型正则项由TV正则项和高阶变分正则项加权组成,在平滑区域自适应选择高阶变分正则项滤波,在边缘附近自适应选择TV正则项滤波;数据项采用更适合描述纹理或振荡模式的H-1-范数。针对新提出的去噪模型,给出了一种快捷的数值求解算法。数值实验结果表明所提出的模型在去除高斯噪声方面具有较理想的效果。三.现有非线性扩散模型在梯度方向和切线方向的扩散量由梯度的函数来控制,从而容易受噪声影响,针对这个缺陷,提出了基于结构张量的非线性扩散模型。该模型在梯度方向和切线方向的扩散量由更加鲁棒的结构张量的迹和行列式来控制,从而提高了去噪效果。数值实验验证了所提出的模型能有效地提高去噪性能。四.在分析现有的张量型扩散模型的基础上提出了带保真项的张量型扩散模型。该模型对扩散张量的两个特征值进行重新设置,构造出新的扩散张量作为扩散系数。改进的张量型扩散模型在去噪时既能保持结构细节,也能保持角点不被模糊。五.提出了基于数学形态学的平均曲率运动模型的去噪方法用于去除椒盐噪声。该方法分为两步:第一步使用数学形态学算子检测出被椒盐噪声污染的像素;第二步对噪声像素使用平均曲率运动模型进行去噪。仿真实验结果验证了所提出的新模型具有很好的去噪效果和保边性能。六.在深入研究了非局部均值去噪方法的基础上,提出了一种新的模糊加权的开关非局部均值滤波方法,主要用于去除随机脉冲噪声。该方法首先引入一模糊加权函数,对图像中每个像素进行标定,模糊权函数值的大小代表每个像素疑似为噪声的程度。所提出的方法能够鲁棒地度量像素间的相似性,在加权平均时也能抑制随机脉冲噪声的干扰。实验结果表明:提出的方法能够有效去除脉冲噪声,其去噪效果优于其它的滤波方法。