数字图像在产生、传输和记录过程中，经常会受到各种噪声的干扰，一般来说，现实中的图像都是带有噪声的图像。在边缘检测、图像分割等高层次处理前，对图像进行去噪是非常有必要的预处理步骤。近年来，非局部均值去噪算法因其出色的去噪效果，成为众多学者广泛研究的对象。图像中包含有许多冗余信号，充分利用这些冗余信号为去噪服务，这是非局部均值滤波模型的主要思想。通过建立相似度计算函数来求待去噪点与其搜寻窗内相似点之间的权值，然后对搜寻窗内所有相似点进行加权平均得到当前点的去噪结果。但是，该算法的去噪效果很大程度上取决于相似性权值计算的准确性。不准确的权值会导致一部分图像信号残留在方法噪声中，方法噪声即是含噪图像和去噪结果之间的差值图像。针对包含图像残余信号的方法噪声，本文提出利用图像残余信号来改善相似性权值。主要工作包含以下三个方面：（1）提出将主邻域字典（PND）非局部均值算法应用于SAR图像去斑上，从SAR图像的乘性模型进行考虑，在PND变换域中推导出一种适用于SAR图像中图像块之间相似性度量的新的距离，从而将非局部均值算法推广用于SAR图像去斑。（2）提出一种两阶段非局部均值算法，通过提取方法噪声中的图像残余信号来提高权值计算的准确性。其中图像残余信号的提取兼顾了噪声的抑制和对图像残余信号的保持，较大的提高了非局部均值的去噪效果。（3）提出一种基于主成分分析（PCA）的图像残余信号提取与去噪算法。该算法利用PCA变换来区分出图像的细节和平滑区域，然后采取不同的处理方法以提高方法噪声中图像残余信号提取的准确性。将提取的图像残余信号用于两阶段非局部均值算法时可以获得更好的去噪效果。本论文工作得到了高等学校学科创新引智计划（111计划）（No. B07048）以及教育部“长江学者和创新团队发展计划”（IRT1170资助）。