应用偏微分方程(PDE)处理图像是近年来在图像领域兴起的一种新方法。本文对基于PDE模型的图像分解方法进行了研究，这些方法可以将图像分解为主要包含结构信息的同类(Homogeneous)部分和噪声或纹理部分构成的振荡(Oscillatory)部分。然而，将噪声图像分解为结构、纹理和噪声三部分，并且在图像去噪过程中保持图像原有信息，在图像分解的过程中对图像纹理部分的描述、对原始图像的结构特征的保持才是本文需要解决的主要问题。本文的工作也是围绕上述问题进行的。　　 本文首先介绍了图像处理中导出PDE的方法，分析了TV-L1模型、LLT模型、TV-Gabor模型等基于PDE的图像去噪和分解模型的机理与性质。综合这些模型的优点，本文提出了一种新的图像DD(Denoising and Decomposition)模型，该模型能将噪声图像分解为结构、纹理和噪声三部分。　　 此外，本文还根据Gabor函数的特征提取功能，在分解过程中为了满足不同的纹理提取要求，设计了相应的Gabor滤波器。　　 最后，本文在进行大量的实验之后，提出了在去噪和分解图像时参数的自适应选择方法，并验证了该方法在去噪及分解图像时保持边缘及纹理信息的特点。