图像是信息的重要载体,人类通过眼睛获得图像可以认识感知世界。而图像在经过图像获得元器件时必然会受到干扰,使图像被噪声污染。为了有效地对图像进行后续处理,需要借助图像处理技术对带噪图像降噪。小波变换因为其良好的时频性和多分辨率等特性广泛的应用于图像处理技术领域,然而,随着对小波的研究不断地深入,小波逐渐暴露出不具备各向异性的不足,它只能反映点状奇异性,多尺度几何分析方法的提出,弥补小波变换的不足。本文重点介绍了非下采样Contourlet变换,在此基础上,提出了改进的非下采样Contourlet变换图像去噪算法。论文主要内容如下:(1)阐述了图像去噪的研究背景和意义,对经典去噪方法和多尺度几何分析进行简要介绍,分析和总结各典型方法的优点和不足之处,为研究非下采样Contourlet变换框架下的图像去噪算法提供了理论依据。(2)通过对图像的特征进行分析,在变换的图像域中对系数的特性进行分析,提出一种新的阈值函数,新阈值函数具有连续性,通过实验验证改进的非下采样Contourlet变换的图像去噪算法的可行性与有效性。(3)影响双边滤波算法去噪效果的主要有滤波宽度,空间邻域度因子和像素相似度因子,其中,滤波的宽度对于噪声的强度较敏感,传统的双边滤波对于参数的选取不具有自适应,我们提出一种根据噪声强度来自适应调节滤波宽度的自适应因子,可以自适应的根据噪声变化来滤除噪声。(4)非下采样Contourlet变换框架具有良好的方向性,但是在传统的阈值去噪算法中,由于噪声大部分存在于高频系数中,所以只对变换域中的高频系数进行处理,然而低频中仍然含有少量噪声,却不予处理,我们对低频部分应用改进的自适应双边滤波算法进行去噪,高频部分采用贝叶斯阈值去噪方法,最后通过逆变换获得去噪后的图像,实验结果表明,改进的新方法具有较好的PSNR值和视觉效果。