图像降噪是图像处理的一个重要环节。图像在采集和传输过程中,往往受到噪声的干扰,而降噪的目的是尽可能的保持原始信号有效信息,同时除去信号中的噪声。近年来,小波理论得到了迅速发展,由于小波在时域和频域同时具有良好的局部化性质,从而可以充分突出研究对象的任何细节,众多优势使小波变换广泛地应用于图像降噪领域。本文首先论述了小波理论的发展历程,介绍了小波在图像处理领域的应用情况,然后系统地描述了基于小波变换的传统的图像降噪方法,并对这些方法进行了比较,阐述了各种方法的优势及缺点。本文在对小波变换及传统降噪算法深入研究的基础之上,提出了三种基于小波变换的图像降噪方法:基于改进的贝叶斯模型的小波图像降噪、基于提升小波与子带自适应阈值的图像降噪、基于局部阈值的小波图像降噪。第一种方法是基于贝叶斯降噪方法的,侧重点基于降噪过程的参数估计问题,使得改进后的参数估计模型更加稳定和精确;第二种方法在原有通用阈值的基础上提出自适应阈值算法,阈值的构造充分利用了子带相关性,并结合二代小波计算量小的优势进行图像降噪处理;第三种方法则有效的利用了图像局部信息,通过把子带分解成多个子块,分别计算小块阈值,同时算法加入了自适应的步骤。仿真实验表明,本文提出的三种图像降噪方法能有效的去除图像噪声,获得令人满意的视觉效果。