图像中噪声的存在不仅严重降低了视觉质量和效果,而且对后续工作也带来了严重的阻碍。图像去噪是图像处理技术中最基本的也是不可或缺的研究。近年来,大量研究者针对如何去除图像中的噪声展开研究工作,取得了一定的研究成果,但是如何在去除噪声的同时保留原始图像中的较多细节信息还有待进一步探索。本文将在全变分和二维经验模态分解的基础上对图像去噪算法进行研究。本文主要研究内容包括:1.针对高阶TV模型用于图像去噪后引起边缘过于平滑的问题,提出一种基于增强的高阶非凸全变分模型的灰度图像去噪算法。通过将每一次去噪后的图像和原始图像取平均作为增强高阶非凸全变分模型下一次循环的输入并更新参数,采用拉格朗日乘子法和交替方向乘子法进行循环求解。仿真实验结果表明该算法能够更好地保留图像的细节信息,从而改善去噪效果。2.为了能够对图像进行自适应的分解并准确刻画分解系数的分布状态,提出一种基于快速自适应二维经验模态分解的灰度图像去噪算法。该算法首先对图像进行快速自适应二维经验模态分解,通过拟合得到的二次函数确定以噪声为主导的自带,进一步利用正态逆高斯模型对以噪声主导的子带系数分布进行建模,然后使用贝叶斯最大后验概率估计理论从模型导出相应的阈值;最后采用最优线性插值阈值函数算法完成去噪。仿真实验结果表明该算法能有效地保留较多的图像细节信息。3.针对RGB通道间相关性强容易导致去噪后图像存在色差且TV模型用于彩色图像去噪后引起阶梯效应的问题,提出一种基于HSV空间的高阶全变分模型的彩色图像去噪算法。该算法将彩色图像从RGB颜色空间中转化到HSV颜色空间中,在三个通道中分别采用增强的高阶非凸全变分模型进行去噪。仿真实验结果表明,该方法能够较好的保留去噪后图像的细节信息,提升了彩色图像的去噪效果。