图像去噪是图像处理中非常重要的一个领域，原因在于，首先经图像去噪后可以为后续图像处理提供更加准确的图像信息，为图像识别、目标信息分析等打下坚实的基础；其次，探索图像去噪方法对图像处理中的其他领域也具有积极作用，比如图像分割、图像增强、图像压缩等等。目前，已有许多方法应用到图像去噪中，比如中值滤波、各项异性扩散法、小波阈值法、总变分法等[1-6]。近年来，偏微分方程图像去噪方法以其在去噪过程中能够保边缘的优点得到人们的广泛关注。各向异性扩散模型是偏微分方程图像去噪的一种典型方法，运用这种模型不仅能较好抑制噪声，而且能较好保留图像边缘特征。由Perona和Malilik提出的P-M模型[7]和由Rudin，Osher等提出的基于变分的图像去噪模型[8（]简称TV模型）都是典型的各项异性扩散模型。基于各项异性扩散模型，本学位论文主要做了如下研究：数据保真在去噪模型当中占有重要意义，这是因为，去噪过程中经多次迭代后，图像难免会越来越偏离原始图像，而我们所追求的不仅是要去除噪声，而且还要使最后的实验图像不会失真。通常我们所看到的都是一种全局保真项，比如TV模型中的保真项。而“全局”保真则意味着，在图像噪声部分也在保真。而我们所期望的是，去除图像噪声，而在非噪声部分与原始图像尽量保持一致。所以，基于此思想，本文提出一个选择性保真项，并运用到已有扩散模型中。从P-M模型了解到，该模型中的扩散函数受梯度影响，而未考虑到图像的其他特征信息。所以，不断有人提出弥补这一缺憾的模型[9,10]。而本文关注结合局部熵的各项异性扩散模型[10]（本文简称Zhao模型）。本文提取该模型中的扩散函数，把该函数运用到保真项中，并将该保真项添加到Zhao模型中提出了一个新的各项异性扩散模型。实验结果表明，相比Zhao模型，本文模型具有更好的边缘纹理保真效果以及更强的去噪能力。