视觉是人类最重要的信息来源,图像几乎处处可见。而图像在采集、传输和显示过程中,会被噪声污染。图像去噪一直是图像处理领域中最基本、最核心的问题。在众多应用领域中,图像的边缘、纹理等细节信息非常重要,因此研究既可以保持图像的边缘纹理等细节成分,同时能保持图像平滑区域良好视觉效果的图像去噪方法是当前研究热点。TV去噪的ROF模型是目前公认的去噪效果比较好的经典图像去噪模型,它可以很好地保持图像边缘和平滑区域良好视觉效果,但是同时也滤除了很多纹理细节部分,而一些对纹理细节保持好的方法要么对边缘保持不好,要么计算量太大。针对TV去噪滤除了很多纹理细节的问题,本文在TV去噪后得到的残差部分提取出纹理细节进行回加,这样既能保持好图像的边缘,同时保留了纹理信息,并且算法复杂性小。本文的去噪方法的思路是：先利用TV模型分离出图像卡通部分和残差部分,然后在图像残差部分提取有效成分(主要就是纹理),最后将提取的纹理细节部分回加到卡通部分。本文采用两种方法：第一种方法是对残差部分进行小波变换(DWT)、离散余弦变换(DCT)后通过阈值法进行纹理提取后直接回加到卡通部分：第二种方法是在求解ROF模型的Bregman迭代的每一步迭代过程中对加回去的残差图像进行纹理提取后再加回去,进行下一步迭代。在第一种方法的实验中,提出了不同的阈值确定方法。利用DCT对残差图像进行纹理提取得到的去噪图像无论是从视觉效果还是从PSNR和SSIM值上都比TV有了大大的提高。之后对于DCT方法中的一些块状效应本文又进行了一些改进,利用对DCT处理过的残差图像做了平滑处理,从实验结果可以看出这样的改进是有效果的。第二种方法对Bregman迭代的每一步迭代过程中对加回到含噪图像的残差图像进行离散余弦变换后通过阈值法进行纹理提取,实验表明本文提出的这种方法相比于Bregman迭代不仅取得了平滑区域较好的视觉效果,而且较好的抑制了噪声取得了较高的PSNR和SSIM值,同时迭代稳定性也强的多。