随着计算机技术的不断发展和各种成像设备的更新,彩色图像的应用在人们的生活中越来越常见。然而在图像成像和传播的过程中,图像往往都或多或少含有各种各样的噪声。噪声信号的干扰降低了图像的质量,为后续的任务带来了困难。到目前为止,学者们经过大量研究,提出了很多优秀的去噪算法。相较于传统算法,非局部均值(Non-Local Means,NLM)充分利用图像的自相似信息,有着更好的去噪性能和保护图像纹理结构的能力,但其对于图像的高频区域去噪能力较弱。本文对非局部均值算法进行改进,提出两种改进算法:在快速非局部均值(Fast Non-Local Means,FNLM)算法中高斯加权欧式距离的基础上,引入由相位一致性、梯度及色度特征组成的彩色图像特征相似(Feature Similarity Color,FSIMC)指数,构建并定义了一种新权重函数。利用新的权重函数计算图像块与图像块之间的相似性,分别对RGB三通道内图像中所有的像素点进行逐块滤波得到估计值,平均这些估计值就获得滤波后的图像。由实验结果可以得到,相对于FNLM滤波结果,新权重函数所对应的算法在PSNR和FSIMC方面均有提升,同时也保留了图像更多的细节信息。在进行FNLM滤波时,把图像由RGB三原色空间模型转换到YIQ亮度-色度空间模型进行滤波,并分析滤波参数对Y、I、Q三通道滤波效果的影响,针对FNLM滤波后图像细节模糊的问题,对含噪声图像Y通道不同的局部内容赋予不同的参数进行滤波,最后把图像由YIQ彩色模型转换到RGB三原色空间模型。实验结果表明,相对于FNLM算法,所提出的算法在PSNR和FSIMC方面均有提高,同时减少了由于三原色通道滤波过程中形成的色彩失真,也保留了图像更多的细节信息。