图像去噪作为图像处理的基础环节，它的任务是尽可能地去除无用的信息，在容许的范围内改善图像的质量。近年来，由于小波技术和多尺度理论的发展，图像去噪成为图像处理、模式识别与计算机视觉领域内一项十分活跃的课题。　　 本文主要研究多尺度图像去噪算法。在分析现有图像去噪算法的基础上，深入研究了多尺度几何分析与HMT相结合的去噪算法，并提出了相应的改进。通过对可见光和红外图像的去噪仿真实验，验证了改进方法的有效性，并总结出一些有意义的结论。　　 首先，介绍了多尺度几何分析，选择了Contourlet变换进行去噪。Contourlet变换是一种多分辨的、局域的、方向的图像表示。它不仅继承了小波变换多分辨率时频分析的特征，而且拥有良好的各向异性特征，能够比小波更好地稀疏表示图像特征。仿真中，应用Contourlet阈值法实现的图像去噪，效果优于小波阈值法。　　 其次，通过对红外图像Contourlet系数分布特征的分析，验证了红外图像系数满足广义的高斯分布。同时根据红外图像信息和噪声系数所表现出来的不同特征，验证了红外图像的Contourlet变换系数状态符合Markov树模型，研究了Contourlet域HMT(CHMT)的图像去噪模型。利用CHMT图像去噪模型进行图像去噪，获得较好的效果，验证了该模型的优越性。另外，研究了Contourlet变换中不同滤波器的选择对图像去噪效果的影响，提出将符合视觉特性的滤波器运用到该模型中进行去噪，使得CHMT的去噪效果获得提升。　　 最后，对非下采样Contourlet变换(Nonsubsarnpled Contourlet Transform，NSCT)的结构进行了分析，验证了NSCT系数同样满足广义的高斯分布。本文结合尺度内和尺度间NSCT系数的特征，构造出自适应阈值的NSCT去噪算法，克服了Contourlet变换中存在的频谱混淆现象。讨论图像尺寸和NSCT分解尺度对去噪效果的影响，提升了NSCT去噪算法的效率。通过仿真实验证实了该算法具有较好的去噪效果。