图像在获取和传输过程中，不可避免地会受到噪声污染，致使图像质量下降，严重影响了后续图像处理工作(如图像超分辨率、图像分割、图像识别、特征提取等。 为了提高图像质量，为后续图像处理提供更可靠真实的图像，对图像进行去噪处理就成为图像处理中一项基础而重要的研究工作。图像去噪的目的是根据观察到的降质图像估计恢复原始真实图像，即在去除噪声同时更好保持图像中的重要结构信息。研究如何更好保持图像的边缘、纹理等重要结构信息的图像去噪模型和算法具有重要的理论意义和实用价值。 本论文以刻画边缘和纹理的图像先验建模

提出了一种新的有效去除图像中吉布斯(Gibbs)噪声的方法。通过非下采样塔式滤波器(NSPF)对阈值去噪后的图像进行分解,利用全变差模型对分解图像分别建立去噪模型,重构图像,再利用重构图像和原始图像的残差并结合全变差模型得到细节补偿图像,最后把重构图像和补偿图像叠加得到最终去噪图像。实验结果表明,该方法可以有效地消除图像中的吉布斯伪影及噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有的算法。