随着计算机处理能力的不断增强和信息社会对多媒体信息处理要求的不断增加，图像处理已成为一个相当活跃的研究领域。图像的去噪就是要改善图像的质量，使之更适合于实际的应用需求，因此具有较高的研究价值。本论文主要研究了在偏微分方程理论框架下进行图像去噪的方法，特别是将结构信息引入已有的去噪模型中。对基于偏微分方程的图像处理方法中的一系列难点问题进行了讨论，并提出了解决方法。本论文的工作主要包括以下的内容：1)线性结构张量被广泛的应用于图像处理与计算机视觉领域，然而，线性滤波方法常破坏图像重要的结构信息。因此用线性结构张量估计图像重要的结构信息，不能得到精确的估计结果。本文提出了一种改进方法，充分利用canny算子的优点，结合线性结构张量，得到了很好的估计结果。2)从水平集曲线角度考察了总变差流，分析了其对阶跃边缘的影响，引入了结构信息，设计了一种结合结构信息的总变差流去噪方法。用改进的线性结构张量得到噪声图像的结构信息，接着结合结构信息与总变差流进行去噪。实验结果表明，本文算法能够取得比总变差流更好的结果，与TV模型相比，该方法能够较好的解决灰度平缓变化图像的去噪问题且不会产生阶梯效应。3)提出了一种结合局部结构的张量驱动扩散滤波方法。在讨论了去噪方法应满足的三个基本要求的基础上，设计了一种耦合了自适应保真项的张量驱动图像去噪算法。实验结果表明，本文方法能很好地保持图像中目标的几何结构，同时具备良好的去噪能力。4)提出了一种具有保持图像细节信息能力的基于四阶偏微分方程的图像去噪方法。首先，依据垂直于梯度方向的二阶导数构造了代价函数，给出了代价函数对应的Euler-lagrange方程。在实验方面，用大量的真实图像验证了本文的方法。实验证明，本文方法在去噪的同时图像的边缘与细节信息得到了很好的保持。