图像在采集、获取以及传输的过程中，往往要受到噪声的污染，被噪声污染了的图像叫做含噪图像。噪声是影响图像质量的主要因素，极大影响了人们从图像中提取信息，因此，非常有必要在分析和利用图像之前消除噪声。 小波分析是局部化时频分析，它用时域和频域的联合表示信号的特征，是分析非平稳信号的有力工具，它通过伸缩、平移等运算功能对信号进行多尺度细化分析，能有效地从信号中提取信息。不仅能满足各种去噪要求，如低通、高通、陷波、随机噪音的去除等，而且与传统的去噪方法相比较，有着无可比拟的其他优点，成为信号分析的一个强有力的工具，被誉为分析信号的“数学显微镜”。小波分析是目前国际公认的信号与信息处理领域的高新技术，是信号处理的前沿课题和研究热点，在信号滤波、图像去噪等领域的应用愈来愈受到人们的重视。 遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。利用遗传算法的全局最优性在大范围内进行搜索，最终进行快速的局部寻优，从而达到了全局寻优与快速搜索的有机结合，求得最优解或近似最优解。 本文对小波分析和遗传算法的图像去噪方法进行了较深入地研究。主要工作如下： 1．综合阐述了小波去噪和遗传算法的研究历史及现状，以及开展小波去噪和遗传算法研究的意义。 2．详细介绍了小波分析的基础理论，阐述了连续小波变换、离散小波变换、二进小波变换、多分辨率分析和多小波变换以及图像小波变换的基础理论知识。 3．介绍了遗传算法的基础理论，阐述了遗传算法的基本概念、目的、原理、基本步骤和特点等基础理论知识。 4．在分析空域滤波和频域低通滤波两种图像去噪基本方法的基础上，详细阐明了小波变换的模型和流程等机理，综合对比了不同门限的去噪性能，对小波分析去噪的不同方法进行了分析和论述，比较了其优缺点。 5．开展小波变换去噪的算法改进的研究。在分析小波系数相关性的基础上，提出了改进的阀值函数；对多尺度阀值去噪方法的阀值进行了研究，最后结合遗传算法提出了改进的去噪方法，并进行了仿真实验的验证。