本文通过研究图像噪声估计的传统方法,提出了两种新的方法,一种是针对空间域内图像中含有小噪声的情形,提出了“块连通区域”模型,并对此算法进行了加速,实验结果显示这种方法对小噪声的估计准确度比较高,得到了较好的实验效果；另一种方法是根据以往的差分法和基于块的滤波法而得到的启示,进行了稳定性方面的改进,也得到了令人满意的实验结果。我们知道,图像处理包括很多方面,例如图像降噪、图像压缩、图像复原、图像编码、模式识别、几何处理等等,其中,图像的噪声估计是图像处理中一个非常重要的问题,因为无论是对于自然图像还是卡通图像,都不可避免地会含有一部分噪声,而在许多的图像处理算法中图像噪声是先验的,也就是说,我们首先要精确地估计出图像中含有的噪声大小,进而才能保证其他处理过程的精确性。图像噪声实际上是一种干扰信号,它会妨碍人类的视觉感知,或者是干扰传感器接受图像源信息,导致获取图像信息时出现偏差。一般来说,图像噪声是一种不可预测的随机信号,通常我们都会采用概率统计方法对其进行模拟和分析。图像的噪声主要有两种：电子噪声和椒盐噪声。电子噪声是由阻性器件中电子热运动产生的噪声,这类噪声最常用的模型是零均值的高斯白噪声；椒盐噪声是由图像采集设备感光不正确的曝光而产生的噪声。在本文中,我们仅对高斯噪声模型进行研究。在研究图像的噪声估计的算法中,我们主要遇到了两个比较棘手的问题,第是我们要在保证噪声独立性的基础上尽量的减小图像信息对噪声估计结果的影响,但是往往很多时候,我们会将图像中的噪声也当作了图像信息,所以就将噪声也避免掉了,如此就会使得噪声估计过低；第二是用于估计噪声的图像点的个数的选取,我们知道,对于噪声结果而言,选择的图像点的个数越多,得到的结果的精确度就会越高,但是另一方面,随着图像点个数的增加,图像信息的干扰也会越大,所以图像点的个数选择需要适当。