Estudaremos o problema de minimização de uma função possivelmente não convexa, mas que pode ser expressa como a diferença entre duas funções convexas. Para resolver esse problema, utilizaremos três métodos consolidados na literatura: o Difference of Convex Algorithm (DCA), o Boosted Difference of Convex Algorithm (BDCA), que introduz uma direção de descida a partir de cada ponto gerado pelo DCA, acelerando a convergência por meio de uma estratégia de linha de busca; e o Non-Monotone Boosted Difference of Convex Algorithm (nmBDCA), uma variante mais recente que relaxa a exigência de redução monotônica da função objetivo, permitindo uma exploração mais flexível do espaço de busca ao admitir aumentos controlados dessa função, regulados por um parâmetro. Esses métodos serão aplicados ao problema de restauração de imagens degradadas por ruído, com o intuito de comparar sua eficácia e desempenho em termos de qualidade da imagem restaurada e de custo computacional. O objetivo é avaliar se essas estratégias baseadas em decomposição DC proporcionam ganhos significativos em comparação com técnicas tradicionais utilizadas no contexto do processamento de imagens.