现有图像去噪算法在去除噪声的同时,容易导致边缘过度光滑.为解决该问题,提出一种基于卷积神经网络的边缘保真去噪算法,它由基准去噪模块和基于多特征融合的边缘提取模块组成.首先,针对基准去噪模块所得结果,采用边缘提取网络提取边缘细节;进而,通过多层次边缘损失代价最小化,反向优化基准去噪网络去噪性能,引导其生成具有更多边缘细节信息的干净图像.在PyTorch环境下用常见的图像去噪数据集Set5,Set14,Kodak,McMaster,RNI15以及跨类型医学图像数据集上测试所提出算法,并与FFDNet等去噪算法进行对比.实验结果表明,所提出算法峰值信噪比值等指标均高于其他对比算法;在视觉效果上,所提出算法能够保留更多边缘细节和纹理特征,得到的去噪后图像更加清晰.