核回归分析是传统回归分析的最新发展,在图像去噪、数据挖掘、超分辨率分析等领域得到了广泛的应用。非局部方法是当前热门的图像处理方法,它在计算权重时考虑图像的全局特征,处理效果远远优于其他方法,缺点是计算量大。本文以自然国家科学基金项目为背景,结合核回归算法的局部性与非局部算法的全局性,将其应用于图像去噪中,得到了较好的处理效果。本文首先介绍了图像处理的基本概念以及常见的噪声模型,回顾了传统的图像去噪方法,分析了传统去噪方法的不足,这些方法都是基于特定的模型结构,由于模型已定,这就限制了它们的应用领域,核回归方法很好的改善了以往去噪方法的这些不足,缺点是在去噪时没有考虑图像的灰度信息,本文通过引入局部方向信息来对经典核回归进行改进。核回归方法在计算权重时仅分析临近区域的像素,实际上相距较远的区域也可能具有一定的相似特征,因此核回归方法具有一定的局限性。本文描述的非局部去噪方法很好的利用了图像的全局特征,对于具有相似纹理的图像,该方法的处理效果要远远好于其他方法。但是,它的局部使用的是常数模型,它是核回归方法在阶次等于0时的特例,通过结合核回归方法的高阶性,可以很好的改进非局部方法的不足。最后,通过实验和分析表明,本文方法与传统的方法相比,由于能够很好的结合图像的局部特征与全局特征,使得去噪后的图像能够更好地保留图像的纹理和结构信息,具有更好的去噪效果。