数字图像作为一种重要的信息传输手段,已经成为当前时代不可或缺的信息来源。然而在图像的产生,传输和接收过程中,不可避免的会受到噪声的影响,造成图像模糊、失真、有明显的噪声点而影响图像的质量,妨碍对图像的后续分析处理。因此,提高图像质量去除噪声,维持图像固有特征就成为数字图像处理了最基本与必要的要求,具有重要的理论意义与实际价值。近几年来,由于基于偏微分方程(PDE)的方法在图像处理上的应用越来越广泛,其理论方面也多有发展,越来越多的改进和创新方法进入人们的视野,服务于实际应用与理论教学。本文在讨论利用偏微分方程方法去噪理论的同时,着重研究如何更加准确,高效地降低图像的噪声,提高图像质量,满足实际应用上后续处理的需要。PDE当中的扩散项是去噪理论中的关键部分,它控制着扩散的幅度与速度,对于扩散项的研究是该课题的核心内容。梯度保真项是为确定图像在处理前后灰度相差不大,不会出现假边界的重要保证,它可以结合已有的扩散项对图像进行去噪处理,最终完成图像预处理中的去噪声步骤。论文的主要工作包括以下内容：(1)深入研究了基于非线性扩散滤波结构信息的图像去噪方法,提出了适用更多角度边界的图像去噪模型,研究了该去噪模型的去噪性能及优化方法。通过实验证明该模型可以保留与原有方法相比更多的边界,得到更高质量的图像用于后续处理。(2)结合之前的研究提出一种由结构信息确定指数的自适应梯度保真项,并结合已有的扩散项提出新的去噪模型。该模型可以在有效去除噪声的同时保护更多的细节信息,预防阶梯效应,获得较高质量的处理结果。