图像去噪是图像处理和计算机视觉中的一个基础课题。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的保持图像中的细节信息。现有的图像去噪方法分为局部方法和非局部方法两种,其中非局部均值方法是最近提出的一种全新图像去噪策略。本文通过深入研究非局部均值方法中存在的一些不足提出了几种对非局部均值的改进算法,获得了比原非局部均值方法和一些改进的非局部均值方法更好的去噪结果。此外,本文还研究了图像中脉冲噪声去除问题,并扩展非局部均值方法去除图像中的脉冲噪声,获得了比其它脉冲噪声去除方法更好的去噪效果。本文的主要研究内容体现在以下几个方面：1.深入研究了基于预选择的非局部均值去噪方法,指出已有方法在提取图像片特征方面的不足。利用梯度域奇异值分解提出了一种自适应的有效非局部均值图像去噪方法。提出的方法对基于预选择的非局部均值方法的贡献主要有：1)设计了一个鲁棒的结构描述子：2)分析了相似集大小与去噪性能的关系；3)相似图像片的自动选取；4)相似权重参数的局部自适应选取方法。实验结果表明：提出的方法取得了比原非局部均值方法以及其它基于预选择的非局部均值方法更好的去噪结果,获得了去噪效果与运行速度之间较好的平衡。2.深入研究了非局部均值方法在相似性度量方面存在的不足,提出了一种基于自适应高斯核的非局部均值图像去噪方法。利用自适应高斯核提供的图像局部结构信息设计了一个新的图像片相似性度量方法,新的度量方法包括两个部分：1)旋转匹配图像片相似性比较；2)基于自适应高斯核的相似距离。提出的方法能够鲁棒地度量图像片之间的相似性,甚至它们以旋转的方式出现,因此在加权平均过程中能够发现更多的相似像素,从而获得较好的去噪结果。实验结果证明了提出的相似性度量方法是有效的,获得了比原非局部均值方法以及其它一些方法更好的去噪结果。3.系统研究了图像中脉冲噪声去除问题,提出了一种基于非局部均值的通用图像脉冲噪声滤波器。在噪声检测阶段,采用极值压缩顺序阶绝对差(ECROAD)的统计方法检测脉冲噪声。在滤波阶段,联合ECROAD结果与非局部滤波框架提出了一种通用图像脉冲噪声滤波器。设计的脉冲权能够较好地避免相似权计算和加权平均过程中噪声像素的影响,而基于图像片的相似性度量能够在噪声像素和其邻域像素之间提供较高的相关性,从而能够更好地抑制噪声和保持细节。实验结果表明：提出的方法能够抑制任何类型的脉冲噪声和混合脉冲噪声,其去噪结果明显优于其它通用脉冲噪声滤波器和一些专门为某一类型脉冲噪声而设计的滤波器。4.提出了两个用于抑制图像中椒盐噪声的滤波器,即噪声自适应边缘保持滤波器(NAEPF)和噪声自适应开关双边滤波器(NASBF)。在噪声检测阶段,图像的两个灰度极值被用来识别可能的噪声像素。在滤波阶段,NAEPF首先被用来抑制噪声和保持细节,它采用了三个不同的滤波技巧,即开关滤波、边缘保持滤波和噪声自适应中值滤波。开关滤波能够保持非噪声像素不被改变；边缘保持滤波能够保持较多的图像细节；噪声自适应中值滤波能够抑制高水平椒盐噪声。然后,联合噪声检测结果与NAEPF估计提出了NASBF。实验结果表明：NAEPF和NASBF能够有效地抑制图像中的椒盐噪声,其中NASBF取得较好的去噪效果。