图像去噪算法的研究是一切图像处理的前提,具有重要的意义。任何一个良好的图像处理系统,无不把图像去噪作为首要任务,去噪处理已成为图像处理中极其重要的步骤。本文对异形纤维图像计算机自动检测识别系统中的图像去噪进行了研究,此研究基于全国百篇优秀博士学位论文作者专项资金资助项目和教育部留学回国人员科研启动基金资助项目,该项目结合了上海市出入境检验检疫局的纺织品和纤维检验的实际需求重点研究纤维的显微图像的计算机识别。在图像采集过程中,异形纤维图像往往因各种因素存在大量噪声,不仅严重影响了图像的视觉效果,同时也给以后的图像分析和理解带来一定的困难,因此在异形纤维图像预处理中进行图像去噪是非常重要的环节,去噪质量的好坏直接影响到后续处理。传统的图像去噪算法如均值滤波、中值滤波和高斯滤波等属于各向同性扩散,即不考虑图像的形状特征,进行传导系数为常量的热扩散,所以在去噪的同时也模糊甚至破坏了图像的边缘。而基于偏微分方程的图像去噪恰好能解决这一问题,它属于各向异性扩散模型。在去噪过程中,同时检测图像特征强弱及其方向,由图像梯度决定其扩散速度,这样能够兼顾噪声消除和特征保持两方面。本文研究了偏微分方程的理论基础及其在数字图像处理中的应用,重点研究了偏微分方程在图像去噪方面的理论、去噪模型及其发展,并分别从滤波和能量极小化两个角度分析了Person-Malik模型、Cattle模型、ALM模型、TV模型及you&kaveh模型,总结了各个模型的特点、优点及缺点。为了去除异形纤维图像中的噪声,本文首先分析了异形纤维图像中的噪声来源,确定了异形纤维图像的噪声模型,然后针对其噪声模型提出了一种能够同时去除异形纤维图像中高斯和脉冲混合噪声的去噪算法。该算法在全变差(Total Variation,TV)算法的基础上进行了算法改进,综合了中值滤波的优点,在达到去噪目的的同时,较好地处理了去除噪声、保留边缘细节信息这对在图像去噪中,存在的矛盾。同时,对参数的选取也做了分析,较好地平衡了去噪效果和处理效率问题。最后通过数值对比实验,从视觉效果和客观标准均表明了该去噪算法的有效性。