图像去噪是数字图像处理领域中的一个重要分支,吸引了众多研究者对其进行不断地探索与研究,并相继提出了许多非常优秀图像去噪算法,如局部邻域均值去噪方法、基于偏微分方程的去噪方法、非局部均值算法、稀疏表示去噪方法等。这些算法均具有非常好的图像去噪效果,但是却会或多或少的丢失图像边缘信息或是出现伪纹理现象。针对此问题,本文基于已有的图像去噪理论知识,以保持图像边缘、消除伪纹理为线索,分别对基于图像局部特征的偏微分方法、非局部均值方法及稀疏表示方法三种图像去噪算法进行研究、分析、改进,使得改进后的算法在去除噪声的同时也能够较好的保留图像边缘。本文的主要工作成果及创新点如下:1.对偏微分去噪方法中用于判断平坦部分和边缘部分的梯度阈值进行改进,设计了一个新的基于扩散次数的梯度阈值函数。新的函数是反比例形式的函数,改善了原来指数形式的梯度阈值函数过早趋于零的问题。虽然指数形式的梯度阈值函数解决了固定梯度阈值会导致边缘模糊的问题,但是因为其过早的趋于零,所以会使得扩散过程停止过早,不能达到充分去噪的目的。新的梯度阈值函数会减缓梯度阈值趋于零的速度,进而能够充分扩散去噪。2.为了进一步从图像全局研究分析如何更好的保护图像边缘,本文又分析改进了非局部均值去噪方法,改进的非局部均值算法融合了图像结构分析、边缘检测。非局部均值去噪方法的基本思想是在全局范围寻找相似图像块,并通过计算图像块的相似性来度量像素点的贡献权值,但是图像平滑区域和边缘结构区域的相似图像块大小存有差异,且不同的边缘之间的相似图像块大小也有不同,于是本文对此做了改进:利用图像结构边缘检测结果自适应的选择最适合边缘结构的相似图像块,提高相似性度量的精度。最后本文又改进了结合非局部均值和稀疏表示的去噪方法,充分运用了非局部均值处理平滑区域伪纹理少的优势和稀释表示处理非平滑区域结构保持的优势。通过实验对比分析,改进后的算法有效的保护了图像的边缘、消除了伪纹理,提高了峰值信噪比。