随着科技的飞速发展,数字图像已经成为人们获取和传递信息的重要载体,但由于采集设备的精度或传输线路的影响,所获取的图像通常含有一定的噪声或其他虚假信息。为了获取更为可信且准确的真实图像信息,图像去噪技术应运而生。现有的图像去噪算法较多,其中三维块匹配滤波算法(Block-matching and 3D Filtering,BM3D)被公认为是数字图像处理领域去噪效果最好的方法之一,但目前它仍存在一些问题和不足,例如:在大数据时代背景下,庞大的图像数据量亟需高效的图像去噪算法,但由于BM3D算法的计算复杂度高、计算量大导致去噪过程中需要花费大量时间;随着图像拍摄场景越来越复杂,图像内包含的边缘信息越来越多,BM3D算法忽略了这些边缘信息的特点,并未针对边缘信息的不同提供与之相适应的匹配方法。针对上述问题和不足,本文的主要创新工作如下:(1)针对BM3D算法计算复杂度高、去噪效率低的问题,论文提出了基于图像聚类的BM3D图像去噪算法,该算法主要有以下改进:1)分析图像像素特性,根据同质区域内像素相似的特点,通过聚类算法将图像像素进行合理的聚类,使同质区域内的图像块具有较高的匹配度,非同质区域内的图像块具有较低的匹配度,利用这样的特性,将相似块的搜索范围限制在同质区域内,以此提高算法的去噪效率;2)为了降低图像块中冗余信息带来的影响,减少三维变换中的数据计算量,提出了一种新的不规则参考块匹配方法。大量的仿真实验结果表明,该改进算法能够将图像去噪质量平均提高约0.278dB,图像去噪时间平均缩短约20.549s,算法运行速度是原算法的1.21倍。(2)针对BM3D算法边缘区域去噪效果不明显的问题,论文提出了基于边缘检测的BM3D图像去噪算法,该算法主要有以下改进:从图像的边缘、纹理等细节信息考虑,通过边缘检测算法对图像边缘进行提取,以边缘像素为中心利用边缘轮廓方向搜索相似块,以此来增强边缘区域的去噪效果。大量的仿真实验结果表明,该改进算法能够在不影响图像去噪效率的情况下,将边缘等细节区域的去噪效果平均提高约0.49dB。(3)结合上述改进算法的优势,论文提出了基于图像聚类与边缘检测的图像去噪算法,该算法对图像边缘区域与非边缘区域并行处理,在提高图像去噪效率的同时还能够很好地保留图像中的边缘、纹理等细节信息。大量的仿真实验结果表明,相比于原有的BM3D算法,该改进算法在主观视觉效果图和客观数值指标都有明显的改善,图像去噪质量平均提高约0.716dB,最高可达1.031dB,图像去噪时间平均缩短约19.962s,算法运行速度是原算法的1.2倍。