图像去噪是图像处理与机器视觉领域的基础问题。在众多图像去噪方法中，基于非线性扩散模型的方法占据着重要的地位。这种方法可以在抑制噪声的同时，保护图像的边缘特征。但计算效率的低下严重影响了该方法的应用。另一方面，基于介观理论的格子波尔兹曼方法最早应用于流体仿真计算，在近二十年里，该方法取得了长足的发展。和传统的数值方法不同，格子波尔兹曼方法并不在空域和时域上离散化描述系统的偏微分方程，而是通过对微观粒子的动态仿真来模拟系统行为以求解相应的宏观方程。格子波尔兹曼方法显著的优势在于其可以方便的实现复杂的边界条件，并且非常适合于并行计算。　　 为了获得实现简单、计算速度快、易于并行化的图像去噪算法，本文将格子波尔兹曼方法应用于图像去噪领域。首先从模拟实际物理模型入手，建立应用于图像去噪的格子波尔兹曼模型。并通过借鉴基于偏微分方程理论的图像去噪模型与方法，实现基于格子波尔兹曼方法的图像非线性扩散去噪。论文的主要成果如下：　　 本文提出的格子波尔兹曼模型使用独立于扩散方向的松弛因子进行演化。基于该模型的算法，可以方便地实现非线性各向同性扩散去噪和非线性各向异性扩散去噪。在保证稳定性的情况下，该算法可以进行大步长的迭代以增加计算效率。实验显示本文的算法在图像去噪的质量和执行效率方面都优于基于差分的方法。　　 本文通过各方向的密度函数的加权和来计算质量，以保证格子波尔兹曼方程的演化满足质量守恒定律。从而使格子波尔兹曼方程在各方向上的演化是独立的，因此可以方便地对各方向的方程进行并行计算。并且本文的算法只是领域相关的，非常有利于图像分块并行计算本文使用多尺度展开法推导格子波尔兹曼演化方程所对应的宏观偏微分方程，从而找到独立于方向的松弛因子与扩散张量的对应关系。通过把矢量图像的边缘特征嵌入松弛因子中来控制扩散速率，把格子波尔兹曼方法推广到了矢量图像处理领域。实验显示该方法可以有效地抑制高斯噪声和冲击噪声。