随着信息时代的逐步发展和图像处理的日益普及,人们对图像质量的要求也越来越高。图像在采集、获取、传输过程中往往会受到噪声的污染,噪声是影响图像质量的主要因素,并且极大地影响了人们从图像中提取信息。因此,非常有必要在分析和利用图像之前消除噪声,图像去噪一直以来也都是计算机图像处理和计算机视觉中的一个研究热点。非局部平均(Non-Local Means)是当前一种新兴而又非常有效的图像去噪方法。它利用了大多数自然图像会出现很多周期性式样和存在大量冗余信息,在全局中搜索灰度相似快进行加权平均。但是这种方法仅仅考虑了图像中像素点的灰度属性,而忽略了它还具有的几何属性。因此,为了能充分利用数字图像局部几何结构的自相似性,又由于结构张量可有效刻画数字图像的局部几何结构特征,进而本文提出了以下三种改进的非局部平均去噪算法模型:(1)基于结构张量的Non-Local Means Algorithm:“块块”匹配算法模型;(2)基于结构张量的Non-Local Means Algorithm:“块点”匹配算法模型;(3)旋转不变的Non-Local Means去噪算法模型大量仿真实验结果验证了本文提出的三种去噪算法模型对抑制噪声的有效性,同时能很好的保持边缘、细节等特征,峰值信噪比均得到有效提高。