受物理条件及环境因素的影响,图像信号在进行采集、量化、编码、传输的过程中,会不可避免地受到噪声的干扰。图像信号中的噪声是图像质量降低的一个重要因素,对图像分析、特征提取以及模式识别等高层次处理都有很大的影响,因此图像去噪成为图像处理领域中的一个重要内容。本文首先从基于小波变换的图像去噪算法入手,详细介绍了小波变换的基本原理。针对小波变换无法最优表示曲线奇异性的缺点,又介绍了脊波变换和曲波变换并对其原理进行了简要分析。随后介绍了非抽样小波变换和快速离散曲波变换的实现方式并给出了基于非抽样小波变换和基于快速离散曲波变换的图像去噪算法的实现步骤。通过分析和比较小波阈值去噪算法、非抽样小波变换去噪算法和快速离散曲波变换去噪算法的仿真结果,结合图像融合技术,提出了两种以快速离散曲波变换去噪算法为核心,基于像素级图像融合技术的联合去噪方法。基于图像融合技术的联合去噪方法的主要目的是去除快速离散曲波变换去噪算法所产生的伪影,从而扩展快速离散曲波变换去噪算法的应用范围。本文首先将小波融合应用到图像噪声处理过程中,提出了基于小波融合的联合去噪方法。该方法选择适合处理图像均匀区域的非抽样小波变换去噪算法作为辅助,利用小波变换将两种去噪算法处理后的图像转换到频域。在频域中采用基于图像局部能量的、在低高频应用不同融合规则的方法,来达到去除噪声、削弱伪影的目的。实验结果表明,基于小波融合的联合去噪方法能够有效地去除噪声,在保留图像细节信息的基础上又具有较好的平滑性和视觉效果,在一定程度上抑制了图像中的伪影。考虑到非抽样小波变换去噪算法和曲波变换去噪算法的降噪后图像有一定差异,为了能够更加有效地抑制快速离散曲波变换去噪算法所产生的伪影,本文又将四叉树分解应用到图像去噪过程中,提出了基于四叉树分解的联合去噪方法。该方法利用四叉树分解算法直接对快速离散曲波变换去噪后的图像进行结构分析,根据分离出的均匀区域和边缘区域,采用不同的融合策略进行图像融合。仿真结果表明,基于四叉树分解的联合去噪方法能够有效地消除图像中的伪影,具有良好的视觉效果和很高的峰值信噪比。将该方法应用到高精度医学图像以及卫星图像的去噪过程中,也取得了很好的效果,具有广泛的应用前景。