图像在采集、传输和获取过程中不可避免的受到噪声的干扰,这些干扰降低了图像的视觉质量,因此在对图像进行处理前,去除图像噪声是一个不可或缺的预处理过程。非局部均值滤波方法是近年来提出的一个行之有效的去噪方法,通过对非局部均值(NLM)思想的深入研究,本文提出了基于双树复小波变换(DT-cwT)和基于奇异值分解(sVD)的非局部均值图像去噪算法,主要研究内容及结论如下:　　(1)基于双树复小波变换的非局部均值图像去噪方法针对含噪图像在空间域不稀疏以及非局部均值权重易受干扰等问题,提出了基于双树复小波变换的非局部均值图像去噪方法。该方法充分利用双树复小波变换所具有的平移不变性和方向选择性等优点,解决了含噪图像在空间域不易稀疏以及非局部均值权重计算时相似块选择不准确等问题。该方法与原始非局部均值去噪方法及其主要改进算法相比,在去噪效果上具有一定竞争力。　　(2)基于奇异值分解的非局部均值图像去噪方法为了进一步提高图像去噪效果,提出了基于奇异值分解的非局部均值图像去噪方法。该方法首先利用非局部均值的思想,将含噪图像中具有相似结构的图像块组合起来,直接对二维图像块进行二维奇异值分解(2-DsVD)以去除每个相似块内的相关性;然后将相似块矢量化,用一维奇异值分解去除相似块之间的冗余性;最后通过阈值收缩方法实现图像与噪声的有效分离。仿真实验表明,所提出的图像去噪方法不仅可以较大程度地去除图像噪声,还能有效保留图像纹理细节。