图像滤波是图像预处理中必不可少的环节。传统的滤波算法大多是选用模板对图像进行滤波,滤去噪声的同时也模糊了图像边缘。各向异性扩散滤波算法将梯度作为边缘检测算子,对边缘和非边缘区域实现不同程度的扩散,去噪声的同时可以保留图像边缘,与传统算法相比有很大的优势。针对各向异性扩散模型存在的一些问题,学者们了提出了大量的改进模型,但大多都是针对扩散方程本身提出的,忽略了图像的自身特征信息。本文主要研究如何提取图像的特征信息,根据提取的特征改进扩散模型并以此获得更好的扩散效果。本文的主要工作和贡献如下：1.提出一种基于图像方向特征的各向异性扩散方程。通过对局部图像的梯度矩阵进行奇异值分解提取图像的方向特征,利用提取的方向特征设计权重函数来将扩散扩展到八个方向,让每点像素根据自己的方向特征实现八个方向不同程度的自适应扩散。新算法能更好的控制每个像素点的扩散方向,去除噪声的同时更好的保护了图像的边缘信息。2.提出一种基于图像相位一致性特征的各向异性扩散方程。相位一致性特征可以准确的描述图像边缘信息,在对比分析Gabor函数和log-Gabor函数的基础上,选用log-Gabor小波函数提取图像的相位一致性特征。根据提取的相位一致性特征设计权重函数,让不同像素点实现不同程度的自适应扩散。新算法能更好的控制边缘点和非边缘点的扩散速度,在去除噪声的同时更好的保护了图像的边缘信息。