本论文主要围绕着图像去噪这个困扰了研究学者已久的图像处理难点展开了讨论,对非局部几何思想及其在图像去噪中的应用进行了研究,主要内容包括:Non-Local means算法的实现、Non-Local means算法与其它去噪算法的方法噪声比较、合理邻域的选择以及基于广义Gaussian模型的Non-Local去噪算法。图像去噪问题由来已久,去噪的好坏会直接影响整个图像处理算法的质量。自然图像中要区分细节信息与未知的噪声信息是相当困难的。去噪算法的基本的思想是平均,因而关键点就在于如何使图像同时得到平滑,又在细节、或称为高频部分予以保留。A. Buades等人提出了方法噪声的概念,转换了人们对于去噪问题的视角。本文针对方法噪声的概念,给出了Gaussian滤波器、各向异性滤波器、Wiener滤波器、小波阈值去噪方法以及Non-Local means的方法噪声公式,并通过具体实验结果证明了Non-Local means算法的优越性;针对Non-Local的算法冗余度,提出适当地筛选邻域,保留相似性较大的像素、舍弃权值较小的像素,可以在保持去噪效果的基础上提高运算速度。邻域平均灰度值和梯度值都是很好的选择;将Non-Local思想与小波域广义Gaussian模型相结合,在分解图像的各个子波带运用Non-Local means算法。经实验证明该算法有较好的去噪结果。