图像复原是目前数字图像处理领域中研究最广泛的课题之一,要想以更快的速度获得更好的图像复原效果,图像去噪是其中必不可少的一步。图像去噪的主要目标是从噪声图像中恢复对应的清晰图像,噪声的主要来源有拍摄时产生的噪声,以及图像在传输、复制、扫描过程产生的噪声。目前为止,相关学者已经提出很多图像去噪算法,本文对其中一些比较经典的图像去噪算法进行简单介绍,并分析各种不同算法之间的优点与不足之处,但是这些算法都容易在图像去噪的时候模糊图像边缘信息,因此全变分去噪模型以其优秀的边缘保护能力备受关注。研究可知,基于全变分模型的改进算法主要分为两个方面,一个方面是优化模型的数值求解算法,另一个是改进模型。针对这两个方面,本文提出基于全变分模型的改进算法,其主要内容包含以下两个方面:(1)针对优化模型的数值求解算法,提出自适应全变分模型的数值求解算法。求解基于全变分模型对应的偏微分方程是目前最常用的数值计算方法,所以本文通过优化偏微分方程的求解过程,提出自适应全变分模型的数值求解算法。首先,通过构造模型泛函求得其对应的偏微分方程;然后,求解偏微分方程的扩散函数;最后,将扩散函数进行数值离散化。仿真实验证明,本文提出的数值求解算法能有效求解自适应全变分模型,得到很好的去噪效果。此外,本文还分析自适应全变分模型中权重λ的取值,并通过大量实验证确定最适合的λ值。(2)针对改进模型,提出基于区域融合的分裂Bregman去噪算法。首先,该算法引入图像区域的分割算法;然后,用分裂Brgman算法分别对全变分模型和各向同性扩散模型进行求解,并利用区域分割算法这两个模型进行结合。最后,将快速非局部均值滤波作为后处理来提高图像的去噪效果。仿真实验证明,对比于其他基于全变分模型的去噪算法,本文提出的改进模型不仅提高图像的去噪效果,而且也优化时间复杂度。