随着多媒体技术的发展,图像已成为人们日常生活中的主要信息来源,获得高清晰的图像是许多领域的迫切需要。图像在获取、传输等过程中容易受到干扰而产生噪声,因此,提高滤波方法的性能,获取高质量的图像具有重要的实际意义。近年来,基于偏微分方程的图像滤波模型以其独有的优势发展成为图像处理领域中的重要方法之一,并取得了许多成果,但仍存在边缘模糊、“阶梯效应”等问题,因此有必要对其进行改进。本文对基于偏微分方程的滤波方法进行了较为深入的研究,从面向过程的角度建立了一个自适应正逆退化扩散模型。改进模型选择正逆扩散相结合的S型函数作为扩散系数,以强化图像边缘；在扩散系数自变量中引入二阶混合偏导数,以丰富对局部信息的描述,保护尖峰锐度；还添加自适应保真项以及设置自适应梯度阈值,防止较大噪声点因梯度模值被放大而被强化。其次,本文从面向对象的角度提出了一个基于局部信息的自适应TV模型。在此模型能量泛函的梯度模中引入二阶混合偏导数,以改善尖峰受损问题；设计了基于局部信息的噪声可见度函数作为控制参数,使视觉效果得以增强。模型还设置了自适应权值参数,以减弱孤立噪声点被强化现象。数值仿真结果表明,与传统方法相比,改进模型有更好的视觉效果和更高的信噪比、峰值信噪比,是一种较为有效的滤波方法,能适用于多数情况下的图像滤波。