数字图像经常会被各种各样的噪声污染,图像中的噪声一直困扰着人们,图像去噪是数字图像处理中一门很重要的研究课题。现如今出现了很多优秀的图像去噪方法,其中非局部均值(NLM)方法因为其优良的去噪特性,成为众多学者广泛的研究对象。NLM方法不仅能有效去除噪声,还能比较完整的保留图像中的细节信息,但是也不尽完美。本文基于方法噪声提出一种改进的NLM方法。此外,通过引入参考图像或噪声检测结果,扩展NLM方法去除图像中的椒盐噪声。传统NLM方法在像素的相似性度量方面准确性不足,并且其滤波参数的选取不太合理。本文提出了一种基于方法噪声的NLM的改进方法。首先使用传统NLM方法对图像进行滤波,然后使用平滑能力和细节保持能力较好的双边滤波提取方法噪声中残留的图像信息,最后联合去噪结果与提取的图像信息重新定义NLM方法的相似权函数。此外,优化了滤波参数以获得更好的去噪结果。传统NLM方法对椒盐噪声的去除能力很弱。本文利用NLM方法设计了三种图像中椒盐噪声去除算法。方法一:基于自适应中值滤波的NLM算法。该算法使用自适应中值对噪声图像进行初步处理,然后采用NLM方法对处理后图像进行最终去噪。方法二:基于噪声自适应极值压缩中值滤波的开关NLM方法。首先提出一种噪声自适应极值压缩中值滤波器处理噪声图像,该算法采用先检测后滤波的方式,然后利用开关NLM方法进一步提高去噪效果。方法三:基于噪声检测的NLM方法。该算法是一种两阶段去噪方法,在噪声检测阶段,提出一种有效的噪声检测器;在滤波阶段,利用噪声检测结果构造联合噪声模板,该模板能够保证NLM获得可靠的相似权,仅仅非噪声像素点参与加权平均。当图像被高密度噪声污染时,提出的算法需迭代滤波。