图像信号在获取、传输和存储等环节,往往会受到各种噪声的污染,严重影响了图像的视觉效果,亦给后续处理带来困难,如边缘检测、图像分割、特征提取、目标跟踪和模式识别等。因此,图像去噪成为图像预处理中一项非常重要的工作。随着近年来学者的广泛关注和研究,一种新的时频分析方法——小波变换,因其具有多尺度、多分辨分析的特点能为信号处理提供一种新的、强有力的分析手段,在图像去噪领域得到了成功的应用。本文主要对基于小波域系数的统计模型去噪算法进行了研究,其具体工作如下:首先,对图像去噪技术的发展和研究现状进行了综述。从图像去噪的原理出发,较为系统的介绍了图像去噪方法的分类,其中重点阐述了基于小波域的图像去噪方法的发展。同时,针对图像噪声模型和图像质量评估体系进行了详细的阐述,并指出实验所采用的方法。然后,重点对以双变量去噪模型为代表的基于小波系数统计模型的去噪算法进行了深入的研究。在对传统小波变换理论研究的同时,主要分析了双密度双树复小波变换和轮廓波变换、复方向滤波器(PDTDFB)变换两种新型的多尺度几何分析工具,对其原理、结构及算法实现进行了深入的探讨。在此基础上,结合贝叶斯估计理论,提出基于组合双密度双树复小波、PDTDFB两类信号分析工具在贝叶斯最大后验估计理论框架下双变量模型的图像去噪算法。本文从原理和结构,以及仿真实验的效果,全面总结和分析改进算法的优缺点,同时与国内较为典型的图像去噪算法进行了比较。实验证明,该算法合理有效,在抑制噪声的同时能较好的保留图像的边缘和纹理信息,具有一定的代表性和创新之处。最后,对全文内容进行了总结,并对图像去噪方向的进一步研究工作进行了展望。