近年来,基于偏微分方程的图像去噪方法因其良好的噪声抑制和边缘保持性能成为图像处理领域的研究热点之一。其中,最具代表性的是经典P-M非线性各向异性扩散模型,该模型虽然在一定程度上缓解了去噪时的边界模糊问题,但是仍然存在不足。本文在分析P-M模型去噪原理和不足的基础上,深入研究了基于偏微分方程的自适应边缘保持型图像去噪方法。主要研究工作如下:深入研究了P-M非线性各向异性扩散模型的保边去噪算法,分析了典型P-M扩散系数形式的不足,针对通常采用人工设定梯度阈值方法的不足,在不增加变量的前提下,提出一种最优化边缘检测梯度阈值的自适应算法。在典型P-M扩散系数形式基础上,引入表征图像局部统计特性的因子是一种提高P-M扩散去噪效果的有效途径。因此,提出了一种基于图像局部相关系数的改进自适应P-M扩散算法。迭代次数的取值也直接影响着P-M扩散去噪的效果。基于固定迭代次数的不足和对现有迭代停止准则的分析的基础上,提出了一种自适应的无参照的局部最小相关系数迭代停止准则。论文对所提出的三种改进算法均进行了仿真实验研究,使用标准测试图像和实际的小鼠嗅球双光子显微切片图像的实验结果都验证了算法的有效性和实用价值。