小波域去噪是一种新兴的图像去噪方法，它对高斯白噪声的去除效果优于传统的图像域滤波方法。目前已经出现了各种各样的小波域去噪方法，去噪效果都是可观的。本文简要介绍了小波变换理论，详细介绍了小波域去噪的几种经典方法，并在一种基于层内相关性的方法NeighShrink的基础上提出了一种具有增强效果的小波域去噪方法Enhanced NeighShrink和一种基于图像细节丰富程度(我们将边缘细节丰富程度定义为边缘密度)的自适应去噪方法Adaptive NS，前一种方法能够在对图像去噪的同时也能都对图像的边缘细节进行增强，使得处理图像有更好的视觉效果。后一种方法能够自动识别图像的边缘细节丰富程度，以此来调节去噪参数，从而在去噪的过程中保护更多的图像边缘。 目前已有许多人把小波域去噪方法用于MR图像中，并取得了良好的效果。但已有的方法中存在着各种各样的缺陷，比如有些方法把MR模图像的噪声当作加性高斯分布的噪声来处理，实际上模图的噪声并不是加性高斯分布；有些方法分别对MR图像的实部和虚部进行处理，可这样会导致相位信息不可用；而其他方法虽然没有上述的问题，但它们对噪声的估计又不太准确。本文在仔细研究了MR图像噪声分布之后，提出了一种估计MR模平方图像的噪声的新方法，并结合了NeighShrink方法和一种基于模平方图像去噪方法，提出了一种适合MR图像的小波域去噪新方法，该方法分别对MR模平方图像中的信号无关和信号相关噪声分别进行估计，使得对噪声的估计更加准确。实验证明，我们的新方法是有效可用的。