本文主要研究了磁共振图像(magnetic resonance image,简称MRI)的去噪问题。在现代医学中,MRI图像已经成为医生诊断和治疗重要的辅助手段和工具,它的去噪研究在医学上有着极其重要的作用。现有的去噪方法大都假设噪声方差已知,直接对图像进行去噪,而实际上,我们并不知道真实MRI图像噪声方差,本文将对噪图的噪声场进行估计,然后在噪声估计的基础上对MRI图像的去噪模型进行构建。现有能够有效消除噪声的方法多利用图像在空间域的自相似性,当含噪图像信噪比较低时,自相似性的破坏会降低图像的复原质量。同时,原有的去噪模型常常没有考虑MRI图像不同区域对去噪效果的影响,得到的复原图像难以满足临床应用的需求。为了解决这些问题,本文提出了混合非凸去噪模型。模型建立后还需要考虑复原质量,医学图像直接应用于临床,可为医生提供全面的视觉信息,增加疾病诊断的准确性。因此临床应用中对医学图像的质量提出了较高要求,而图像质量评价标准的研究为这一要求提供了指导性依据。不同于传统的自然图像,医学图像具有多样性和非平稳性的特点,传统的评估方法在此不一定适用,找到合适的MRI图像质量评估标准也是需要解决的关键问题。本文主要做了以下三方面的工作：第一、对含噪的MRI图像进行空间变化的噪声场估计。本文在小波域中采用中值绝对偏差(Median absolute deviation,MAD)方法得到噪声场的初始估计值,然后借助于校正因子得到最终的空间变化的噪声方差,为后续图像去噪模型的构建奠定基础。第二、在原有的MRI去噪模型的基础上构建了混合非凸去噪模型。本文结合MRI图像服从的nc-χ分布的特点,在最大后验概率框架下,构建低信噪比MRI图像的混合非凸去噪模型。针对图像不同区域所受噪声污染程度不同的特点,通过分析图像的局部结构特征,构建能够自动识别图像边缘、纹理和平滑区域的检测算子,促进图像去噪效果的提高。笫三、对去噪后的磁共振图像采用适当的医学图像质量复原评价标准。因为基于人眼视觉系统能高度自适应提取场景中结构信息的理论而构建的SSIM客观评价标准,对调整医学图像质量和优化医学图像处理算法有着重大意义。本文采用SSIM评估标准,并结合PSNR的评估标准共同对去噪模型进行评价和反馈,为临床应用提供可靠的图像质量评价标准,促进医学影像诊断准确率的提升。