现实中所得到的照片不免会包含各类的噪声,给人们做出准确的判断造成了一定程度的困难。为了确保后续的图像处理结果更加稳健可靠,需要对图像进行去噪处理。现在有很多模型和方法可以去除图像噪声。一个好的图像去噪模型的主要特征是它在去除图像中噪声的同时,能够保留住图像中的重要信息。然而,不同的变分模型含有不同的规则项,不同的规则项决定了不同的去噪结果。本文主要比较了十个含有不同规则项的具有代表性的变分模型,其中包括一个低阶模型和九个高阶模型。虽然高阶模型适合于图像处理与图像分析,但是会得到很难离散求解的高阶非线性偏微分方程。因此,本文针对各模型给出了详细的离散形式以及基于快速傅立叶变换(FFT)的分裂Bregman算法的数值实现,以提高计算速度。数值试验验证了基于FFT的分裂Bregman算法在计算速率上的优越性,从图像去噪的角度比较了不同规则项的优劣。根据所得结论,即广义总变分(TGV)规则项更适合于分段光滑图像及真实图像,将TGV规则项运用于彩色图像去噪中,弥补现存彩色图像去噪模型的不足,从而提出鲁棒的彩色图像去噪模型,从去噪效果与量化指标上验证所提出模型的有效性。