图像处理中图像恢复等不适定反问题的研究,掀起了一股研究基于变分偏微分方程(变分PDE)的图像处理模型与方法的热潮。如何在图像处理过程中有效地保持图像重要边缘等几何结构和纹理细节视觉特征是其中一个重要的研究课题,也成为图像处理领域中的一个研究热点。本文以图像恢复为应用背景,以图像结构保持的变分PDE处理模型为研究主线,在比较全面地概述国内外变分PDE图像恢复模型和算法研究现状的基础上,对基于局部和上下文结构驱动和非局部化思想展开研究,主要内容包括基于局部与上下文结构驱动的PDE模型与图像恢复算法、结构保持的全变差模型及其自适应保真项,以及非局部正则化的图像恢复模型研究,取得了如下成果:在局部与上下文结构驱动的PDE模型方面,首先研究了经典的线性扩散与非线性各向异性扩散偏微分方程,通过实验对比分析了其滤波机制和去噪性能;然后从图像中结构上的不连续类型出发,通过引入定义局部结构与上下文结构的两种不连续度量建立双重加权机制,推导了自适应平滑的迭代算法,大量实验结果证明了局部结构与上下文结构驱动机制能提高图像边缘结构保持性能。在结构保持的全变差模型及基于自适应保真项的改进TV模型方面,在经典的TV模型基础上,研究了纹理保持的自适应保真项,并根据数值离散化的模型进行实验,结果表明经过改进的模型能够更好地在去噪过程中有效保持图像的纹理结构。在非局部正则化的图像恢复模型方面,首先介绍了非局部均值滤波,其次利用非局部的思想给出了两种正则化函数,根据变分方法推导出这两种函数的Euler-Lagrange方程,并分析了Euler-Lagrange方程中线性算子L的数学性质。最后给出基于像素间几何距离、基于像素间灰度关系和基于像素间灰度关系以及几何距离的相似性函数作为正则化函数中的权重函数进行综合比较。实验结果表明了在不同权重函数的基础上,经改进的正则化函数对于不同纹理和细节的图像的有效性。