随着数字化处理技术的日渐发展,数字图像处理技术被广泛应用于模式识别、资源统筹、城市规划以及生物医学等领域。然而在日常的研究实践中,由于外界以及自身条件的限制,图像在采集、传输以及存储的过程中会受到各种类型噪声的影响,导致图像质量的降低。这一结果给很多高精密研究领域带来较大困扰,导致后续处理工作受到限制。因此如何对含噪图像进行有效地去噪处理,使得最终能够从图像中获取更加准确可靠的信息成为数字图像处理领域的研究热点。在对图像进行去噪处理时,由于图像的边缘和纹理等特征信息与噪声一样同属于图像的高频信息,因此如何权衡好噪声去除与边缘纹理信息的保持成为图像去噪研究的重点。近年来,基于偏微分方程的扩散方法,因其具备各向异性扩散等特点成为图像滤波的一种新型工具,该方法在进行图像去噪的同时能够对图像进行选择性的平滑处理,从而在图像的平滑区域进行扩散滤波,在图像的边缘区域进行细节保护,较好地化解了滤波去噪和边缘保护两者间的矛盾。本论文以Weickert扩散模型为研究基础,介绍了基于结构张量的图像扩散滤波方法。在此基础上,针对传统的结构张量扩散滤波在对图像进行去噪处理时需要经过两次高斯核卷积处理,未充分利用图像结构信息的缺点,在扩散模型中引入双边结构张量,构建了新的扩散张量对图像进行扩散去噪处理。与传统的结构张量不同,双边结构张量借鉴了双边滤波算法的思想,其构建考虑了图像像素的空间位置信息和局部梯度强度的相似性,从而具备更加准确的结构细节信息描述能力,并且节省了传统结构张量构建时的两次高斯卷积过程,更好地保护了图像的细节信息。本文使用MATLAB进行仿真实验,通过客观性能参数分析以及主观视觉对比分析,结果表明本文提出的算法与传统结构张量方法以及近年来提出的双边滤波算法和非局部均值滤波去噪算法相比,在有效去除噪声的同时,能够较好地保持图像的纹理特征信息。