在图像信息的获取、传输和存储等过程中,因为多种原因会掺入噪声,所以在获取图片信息之前对图形进行去除噪声,提高图片的质量是图像处理技术中重要的研究部分。在保留图像的重要细节的同时,有效去除噪声已成为图像去噪研究中的热点。本文先阐述了几种经典的基于偏微分方程(Partial Differential Equation,PDE)去噪模型,对其进行了深入的研究分析,然后对其进行了改进和结合,提出了新的去噪方法,并通过算法的仿真实验,验证结果,得出结论。本文所做的主要工作如下:1、针对PM和YK这两种去噪模型在图像处理过程中的不足,提出一种新的混合模型。该模型利用梯度与阈值之间的关系,把待处理的图像分成不同的区域,在不同的区域选择不同的模型,并利用加性算子分裂算法(additive operator splitting,AOS)解该模型。该模型很好的去除了图像的噪声,同时对图形的纹理和边缘等重要的细节信息都起到了保护的作用。实验结果表明,与PM模型和YK模型相比,本文提出的新模型去噪性能更具优越性。2、提出一种拟合扩散的自适应阈值图像去噪算法。首先,对扩散方程中的扩散系数进行了改进,建立拟合扩散系数,克服由于扩散强度过大带来的纹理细节信息丢失和边缘退化的弊端。然后,自适应设计和改进阈值函数,使其能够根据图像的最大灰度值和迭代次数来自动控制函数的阈值,从而进一步保留图像边缘和纹理等重要的细节特征。最后,对设计的算法进行仿真,实验结果表明:新算法的峰值信噪比(PSNR)与经典算法相比有大幅提升,在有效抑制噪声的同时保护了图像边缘和细节信息。3、首先从TV流扩散方程的内在正交坐标系入手,提出一种简化正交结构,建立正交扩散滤波模型,解决了去噪过程中产生“块状”效应的问题。为保护边缘纹理等细节信息,进一步简化正交结构,并与经典的去噪模型相比较,提出一种自适应正交扩散滤波模型,新模型可自适应地去噪和保护边缘纹理等细节信息,较正交扩散滤波模型灵活性高,可根据处理图像的不同区域调整扩散系数,控制平滑程度,更合理地处理出清晰的图像。仿真实验表明,提出的图像去噪新模型性能更加优越,峰值信噪比得到大幅度提高,且边缘纹理等细节信息保持完好。