随着信息化高度发展,图文信息使用范围也越来越广泛,由于图像信息的直观易懂,图像在信息传播领域起着非常重要的作用。但在各种电波充斥的今天,图像在产生的过程中不可避免地受到各种干扰,噪声就是其中之一。因此,为了后续更高层次的处理,很有必要对图像进行去噪。然而在当前流行的众多去噪算法中,小波域维纳滤波去噪效果并不理想,容易出现抖动、部分失真、伪Gibbs阴影或轻微模糊效应等问题。这是因为小波变换与维纳滤波简单的融合可视为一种特殊的阀值去噪算法,该算法很难满足对非平稳信号的多尺度精确去噪的需求。同时在去噪过程中,研究者总是默认局部维纳滤波窗口下的高斯噪声的均值为零,这一点未被证实,也未必符合事实,其结果可能会导致维纳滤波系数的估计出现不可忽略的偏差。针对上述问题,本文在原有的算法基础上进行如下改进:首先根据小波域下的维纳滤波系数公式及局部窗口下的高斯噪声均值不为零的猜想,为该公式引入噪声自适应修正因子η,其值依据系数方差分布特性进行估计。其次以迭代小波基和窗口的方式,周期性地对图像进行小波域维纳滤波去噪,以弥补原算法的固定小波基与固定窗口在信号频率处理上的不足。虽然前述改进的算法取得不错的去噪效果,但其依然有缺点:计算量大,无法对高频信息进行多层划分精确去噪。因此本文最后又提出一种基于小波包的维纳滤波去噪新算法,该算法直接利用小波包替代小波,对图像进行四层分解,得到32块能量区,同时每块能量区在进行滤波处理时引入噪声自适应修正因子η,以达到更细致地去噪处理。本文以去除图像高斯白噪声的研究为主要内容,上述所提出的两个去噪算法,通过实验证明,它们都具有良好的去噪效果和图像细节保护能力。