在传输和获取图像的过程中，噪声会通过各种方法被图像携带，因此，我们必须对图像去噪来提升质量，为后续的高层次处理提供方便。有效的去除噪声和保护图像边缘纹理信息是图像去噪过程中的一对矛盾，因此找到一种既可有效去噪又可保护细节信息的方法成了研究人员的追求目标。
　　 小波变换能用时域和频域联合表征图像的特征，对图像进行局部时频分析，具有良好的局部特性，因此作为一种图像处理工具得到了广泛的应用。本文基于小波变换理论，研究了图像混入高斯噪声时的去噪方法，所做的工作有以下几个部分：
　　 首先详细介绍了四种基本的小波变换去噪法，阐述了基本原理和算法。对于小波阈值去噪法，重点说明阈值确定和阈值函数选择这两个关键问题，详细介绍了比较常用的阈值确定方法及阈值函数，最后对这些阈值确定方法以及阈值函数进行仿真，并比较了它们的去噪效果。
　　 本文在SGChang等人提出的BayesShrink阈值基础上，采用在不同子带不同方向的确定多个阈值的方法，并对它进行了改进，提出了两种新方法。方法一是针对每个阈值计算一个比例因子，再使用单小波去噪。方法二是使用改进的阈值函数，通过对比例系数进行调节，可以很好的克服硬阈值函数的在阈值绝对值点处的不连续和软阈值函数估计与原信号间有恒定偏差的缺点。采用多个小波基的联合对图像去噪。对传统的方法和这两种改进的方法进行仿真，仿真结果说明改进的方法比传统方法有更优秀的表现，同时方法二较方法一更胜一筹。