随着医学影像、遥感成像等技术的不断发展，可用的多模图像越来越多。但是图像在获取、传输与记录过程中不可避免地要受到各种噪声信号的干扰，多模图像通常由不同的采集设备获得，因此更容易受到成像带宽的限制而产生噪声。在图像处理与计算机视觉领域,图像去噪是一项重要的、基本的研究课题。去除图像噪声能提高图像视觉质量，是对图像后续处理的前提；另外，图像去噪的方法在理论上与其他图像处理有着紧密的联系，研究图像去噪方法有一定的理论价值和实际意义。本文以多模图像作为研究对象，主要的研究内容和成果包括：　　1）提出了一种新的基于非局部均值的多模图像滤波算法。在该方法中，对于噪声图像滤波采用非局部均值方法，其中对于噪声图像块之间灰度相似测度权重由另一幅图像来引导计算。实验结果表明，该方法比基于局部的图像去噪方法如双边滤波算法有更好的去噪效果。在此基础上通过构造联合积分图像来对提出算法进行加速，与原始算法相比复杂度显著降低，并且算法的复杂度不受滤波器大小影响，易于在并行系统中实现。　　2）提出了一种基于交叉积分直方图的对偶双边滤波算法，使算法能够在没有清晰参考图像的情况下进行多模图像去噪处理。对偶双边滤波是目前对多模图像去噪较为常规的方法，能同时对多幅图像进行联合去噪，但存在计算效率低下的问题。本文算法通过所构造的交叉积分直方图，能够在常数时间里计算出滤波器的系数，并且算法的复杂度不受滤波半径的影响，因此有效提高了原始对偶双边滤波器的适用范围和计算效率。　　3）提出了一种交叉双域滤波算法，可以解决目前多模图像时域联合滤波算法对图像细节信息保持较差的问题。算法在时域中使用交叉双边滤波，通过多模图像边界上的信息互补保持边缘信息，然后对图像残量使用小波收缩算法恢复细节信息并叠加到时域滤波结果中。在此基础上构造时域和频域交替迭代并通过逐步递减缩小滤波核的范围获得最终滤波结果。通过对多模医学图像和自然多模图像进行测试，相比目前联合滤波算法和单模双域算法，所提出算法在PSNR值和视觉上都有较明显提高。　　本文提出的算法，可以有效地对多模图像进行去噪处理，并且为后续的研究提供了理论依据。