图像去噪在图像处理和计算机视觉中是最为多元化的研究领域之一。人们都希望经过去噪后的图像能够有良好的视觉效果和较高的精准度,并且能够很好的保持图像的重要特征,如边缘、纹理、尖锐部分的特征等。基于此目的,本文提出了一种新的阈值函数用于小波图像去噪,新的阈值函数增加了两个形状调节因子,便于阈值函数的自适应学习;此外,本文对新的阈值函数的阈值进行了自适应优化来进一步提高去噪效率和效果。阈值的优化分别在监督学习和无监督学习情况下两种情况下进行。同时,针对加性高斯噪声和乘性斑点噪声的不同特性,分别采用不同的阈值训练方式。本文的方法可以同时抑制加性高斯噪声和乘性斑点噪声这两类主要的噪声。另外,虽然单一的去噪技术能够有效的抑制噪声,但是可能造成去噪后的图像边缘模糊,影响图像去噪的质量。为了获得更好的图像视觉效果,本文用边缘提取技术提取去噪后图像的边缘信息,把提取到的边缘信息对应到去噪后的图像相应的位置处,从而恢复部分去噪时误判为噪声的边缘点,来提升图像的细节信息。仿真结果表明,改进的阈值函数相比经典的软阈值函数、硬阈值函数以及一些常用的阈值函数都有相对较好的去噪效果;优化的阈值无论是在监督学习下还是在无监督学习下,都有相比于其他的取阈值方法(全局阈值、Miniman阈值、Bayes阈值)更好的效果;并且对前文去噪后的图像进行边缘提取之后再把边缘点恢复到去噪后的图像有略微高的峰值信噪比。