图像在获取或传输过程中常常会因受到各种噪声的干扰和影响而使质量下降，这将对后续图像的处理(如特征提取、图像压缩和信号检测等)产生不利影响。所以就必须对图像进行去噪处理，同时尽可能大地保留图像得细节信息，以提高图像的质量。近年来，被称作“数学显微镜”的小波理论得到了非常迅速的发展。由于其具有低熵性、多分辨性、去相关性和选基灵活性等优点，因而在图像去噪领域得到广泛的应用。本课题以加性高斯噪声假设为前提，基于小波变换理论，对图像去噪的算法进行研究。主要工作如下：本文在Donoho提出的小波收缩阈值的基础上，以加性高斯噪声为前提，构造了一种新的高阶可导函数。该函数是现有软、硬阈值函数的推广，通过调整参数，可以克服硬阈值函数不连续和软阈值函数有偏差的缺点，同时具有能量自适应性。基于小波核和最小二乘支持向量机，构造出最小二乘小波核支持向量机，从而获得新的滤波算子，并且考虑到邻域系数的相关性，提出一种新的菱形窗，最终提出一种基于最小二乘小波支持向量机的图像去噪算法。