在计算机科学的快速发展中,伴随着“互联网+”方式的不断普及,数字化的多媒体信息不仅仅是融入我们的生活中,而且还在公共交通、医疗卫生、军事安全和航天科技等各个方面都发挥着不可替代的作用。作为数字化信息的重要载体和信息来源,数字图像在采集、传送和接收的过程中,无可避免会受到各种噪音信息的污染,使得图像质量降低,不能满足后续处理的要求。因此,图像去噪技术,作为保障信息传递的重要技术,一直以来是研究学者们重点关注的领域之一。本文主要对图像处理中的偏微分方程法和三维块匹配方法进行研究,针对传统算法中存在的不足之处,提出相应完善的新算法模型。主要工作内容如下:1.针对偏微分方程中的P-M扩散模型在图像处理时存在细节丢失和“块状效应”的问题,提出一种基于加性算子分裂的混合阶扩散模型去噪算法。首先,结合传统低阶PM扩散模型和高阶扩散模型的优势,利用改进扩散系数的模型来构建混合模型,然后引入梯度阈值的自适应传导系数,根据图像局部特征不同,适用不同去噪模型,最后以加性算子分裂方法求解该算法模型,提高计算效率,在去除噪声信息同时维持边界特征。2.针对传统偏微分方程扩散模型不能很好提取边缘特征的问题,提出一种基于图像熵的最小交叉熵阈值去噪算法。首先,将图像熵引入边缘算子中构建联合边缘检测算子,然后用最小交叉熵准则来确定最优化阈值控制扩散强度,最终建立基于图像熵的最小交叉熵阈值去噪模型。通过实验数据定量分析,可以看出该算法既能保证去噪效果,也可以较好保留图像细节特征。3.针对三维块匹配算法不能很好保留图像高频细节的问题,提出一种基于非下采样Shearlet变换的三维块匹配去噪算法。首先,通过区域划分的方式将含噪图像分为平坦过渡区域和边缘纹理区域,然后分别采用不同滤波处理,针对边缘纹理区域采用具有多尺度分解和方向特性的非下采样剪切波变换和硬阈值收缩,针对平坦过渡区域采用高阶全变分滤波。在块匹配过程中,根据图像块的空间位置距离,引入自适应相似块匹配策略,提升块匹配的合理性。通过实验分析,该算法能够较好保留图像中高频细节信息。