图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。数字图像处理是指将一幅模拟图像转换成适合计算机或数字设备处理的数字信号。图像离散化的过程中会产生噪声,而噪声是造成图像退化的重要因素。噪声的存在会影响人们的主观视觉效果,会降低图像的质量和精度,还会使得图像的边缘更加模糊。本文研究了基于小波变换的图像去噪及对去噪后的复杂背景图像进行区域识别。本文主要针对信号和图像中广泛分布的高斯白噪声,应用小波变换对工业CT图像和摄影图像进行了分析与研究。采用小波多尺度分析,对分解后的小波系数用一种自适应的的阈值函数处理。通过计算峰值信噪比及均方误差等证明了本文方法的有效性,去噪效果明显。对去噪后的钢轨摄影图像进行了分区域识别。使用了多阈值法的思想对图像的不同部分进行图像的阈值分割。然后通过使用数学形态学开、闭运算及连通区域的对象移除等以增强目标区域,抑制图像背景对目标区域的干扰。识别出复杂背景下的钢轨区域和轨枕区域,为后续的分区域缺陷检测奠定了基础。