在图像处理领域中,不可避免的是大量的待处理数据和各类复杂的数据计算。如今,数字图像的处理速度已难以满足实时性的要求。而并行计算是提高图像处理速度最为有效的技术。并行图像处理技术就是为了加快图像处理的速度,扩大图像处理的规模,以此来解决单处理器串行计算无法满足大规模计算的需求。图像去噪是图像处理中的基本问题,四阶偏微分方程图像去噪方法具有良好的去噪效果,但其计算量大,影响其实时性。因此,对四阶偏微分方程去噪算法进行并行化研究是当前非常重要和有价值的方向。本文主要研究基于四阶偏微分方程的并行图像去噪算法。首先,给出了一个改进的四阶偏微分方程去噪模型。该改进模型利用四方向导数信息和对数图像处理(LIP)数学模型,构造了四方向LIP度量算子来全面客观地度量图像信息,能够有效地去除噪声和保护边缘细节信息,同时减少了误差,更符合人类视觉;根据人类视觉系统的结构化特性,利用噪声可见度函数构造保真项系数,进一步保持了图像的边缘细节并避免了人为的估计噪声水平。实验结果表明:该改进模型能够更好地去除噪声,保护边缘、细节等特征,在视觉效果和客观评价指标上都明显优于原方法。其次,对改进模型设计并行算法。通过分析改进模型去噪算法的可并行性,从分治策略的选择、数据划分、超级步的划分等几个方面入手,基于MPI编程模型对改进模型设计了并行算法,搭建机群实验平台并实现仿真。实验结果表明:该并行算法具有较好的并行性能,提高了计算效率,缩短了运行时间,而且能保持串行去噪算法的图像处理质量和视觉效果,体现了并行计算的优势和必要性。此外,对改进模型的并行算法做进一步优化。采用混合编程模型,利用节点间并行与节点内并行的两级并行结构,实现多粒度并行算法,并通过分析混合并行模型的特征,抽象出二维图像的混合并行时间模型用来分析并行算法的性能瓶颈,以此来寻找优化规律和解决同类应用问题。利用同样的实验平台实现仿真。实验结果表明:优化的并行去噪算法能保持先前并行算法的图像处理效果且并行性能更好,验证了混合模型并行算法的优越性。最后,将优化的并行去噪算法应用于天气预报领域中的卫星云图去噪处理中,实验结果验证了本课题的实用价值。