在本文中，我们充分考虑了本质上引起图像噪声的两个主要来源，即由于光子统计量近似为泊松分布而产生的量子噪声，和由于系统内在物理限制而导致电信号在传输过程中产生的电子噪声，对这两种噪声进行精确建模，再结合全变分正则化模型，提出了一种基于最大后验概率估计的图像去噪模型。之后利用交替方向乘子法来快速有效地求解所提出的模型。最后通过实验来展示所提出模型的去噪效果。

本文的结构和主要工作

本文以图像去噪为研究对象，通过对比传统的图像去噪方法，基于光子成像物理机制提出了一种去噪模型和算法，并对其进行了实验分析。本文具体安排如下：

第一章为绪论，主要对图像去噪方面的一些问题和概念进行简单地介绍，说明了研究的背景和意义。

第二章，主要根据图像去噪问题的发展历史，对一些经典图像去噪方法进行了简述，包括空间域图像去噪，变换域图像去噪和全变分图像去噪，为后续理论研究奠定了基础。

第三章，首先基于光子成像物理机制，考虑图像的数据分布并结合图像的先验信息，提出了关于图像数据的后验分布，然后使用最大后验概率估计来推断模型中的所有参数，最后用ADMM算法[15] 求解模型。

第四章，首先介绍了图像去噪评价指标，然后使用第三章的模型和算法，分别进行仿真实验和真实数据的实验，并和其他去噪方法作对比，证明本文方法的有效性。

第五章，对本篇论文的内容进行总结，并提出在未来工作中可以完善和改进的地方。

本节首先介绍两种图像去噪效果评价指标，然后分别对仿真数据和真实数据进行实验来展示本文所提出方法的去噪效果。在仿真实验中，对干净图片加噪声，再用本文方法以及其他方法去噪，通过对比来展示本文方法的效果。真实数据的实验中，对手机拍摄图片进行去噪，通过主观视觉效果来显示本文方法的有效性。

本文通过分析图像成像的过程，总结出图像数据的统计特性，提出了一个基于最大后验概率估计（MAP）的图像去噪模型，可将两种图像噪声的主要来源进行编码，即由于光子统计量近似为泊松分布而产生的量子噪声，和由于系统内在物理限制而导致电信号在传输过程中产生的电子噪声。并且结合图像的先验信息，将全变分正则编码为图像数据的先验分布。模型中的所有参数都可以在本文提出的方法中自动估计，包括损失函数和正则化函数之间的权衡参数，这在传统方法中通常很难选择。通过在仿真数据和真实数据上的实验，显示了本方法的有效性。