图像的获取和传递的过程存在着种种干扰,这就使得图像不可避免的受到噪声的污染。如何有效对图像进行去噪处理一直是图像处理领域中研究的热点。它对提高图像质量有着重要的意义。图像去噪的核心问题是消除图像的噪声和保持图像的特征。本文对基于Curvelet变换和偏微分方程(Partial Differential Equations)的图像去噪模型进行了深入的研究。Curvelet变换具有多尺度的特性,能够聚焦图像的微小变化。同时它引入了一个方向参数,又具有方向性,对图像的边缘,轮廓等特征有着良好的表达能力。这使它在图像的去噪领域有着很好的表现。偏微分方程对图像进行去噪是对整幅图像进行处理。它能根据图像的特征及方向对图像进行平滑。它在对图像去噪的同时不会造成图像边缘信息的模糊。详细介绍了P-M扩散模型和TV扩散模型两种经典的偏微分去噪模型,它们都有着良好的边缘保持能力,但是也存在着“阶梯”效应,细节和纹理丢失等问题。本文在详细分析Curvelet去噪模型和偏微分方程去噪模型基础上,提出了结合Curvelet变换的各向异性扩散图像去噪模型。它有机的结合了Curvelet变换及偏微分方程去噪方法的优点。通过选择合适的偏微分方程参数值处理经过Curvelet变换得到的图像的不同Curvelet系数矩阵改进了各向异性去噪模型。实现了建立在对图像精细分析的基础上的新的各向异性扩散模型。新模型的处理结果能有效避免传统各向异性扩散出现的阶梯(staircasing)效应,更好的保留图像的纹理和细节。多组实验证明新模型获得了比Curvelet去噪和传统各向异性扩散模型的更高的PSNR值和更好的视觉效果。