图像是信息的重要载体,是我们获取信息的重要渠道。然而,图像在获取、传输以及存取过程中的各个环节均不同程度地受到噪声的污染或其他非目标信号干扰。为了更准确地获取图像信息,需要对噪声图像进行去噪处理。小波分析是一个新兴的前沿研究领域,随着小波分析理论的日臻完善,它在信号及图像去噪领域受到广泛重视。本文主要研究了小波变换在图像去噪方面的应用,主要内容如下：,首先在前三章主要介绍了图像去噪研究的现状,小波分析的基本理论及常用的基于小波变换的图像去噪算法,并对常用的三种基于小波变换的图像去噪算法作了简要的分析比较。第四章针对正交小波阈值去噪后的图像会产生吉布斯效应,并且全局阈值均不同程度的存在“过扼杀”倾向,鉴于信号与噪声在小波变换各尺度上具有不同的传播特性,以及图像经二维三带分解后在不同尺度上具有三个不同的子带方向(即水平、竖直及对角线三个方向),给出了全局阈值基于分解尺度与子带方向修正的自适应阈值,提出了一种基于平稳小波变换的自适应阈值图像去噪方法,通过仿真实验验证了该算法的合理性,取得了较好的去噪效果。第五章针对小波仅为零维奇异目标函数的最优基,而非高维目标函数的最优基,介绍了脊波变换。在本质上脊波是通过对小波函数添加一个表征方向的参数得到的,其基函数能有效地描述沿直线或超平面的奇异性高维信号,利用脊波变换进行图像去噪是由于图像的线奇异可以用较少的脊波系数表示,而随机分布的噪声却没有如此显著的系数。故对脊波系数做简单的阈值处理就可以得到较好的效果。本章根据噪声随分解层数的增加而减弱的原理,针对全局阂值基于分解尺度作了进一步的改进,提出了一种基于脊波变换的自适应阈值图像去噪方法,并通过仿真实验证实了该算法的有效性,尤其是对于直线特征明显的图像,效果更加明显。