太赫兹(THz)成像技术是一种无损、非电离的成像技术,以其较低的光子能量和对可见光、近红外不透明的非金属和非极性物质的较高的穿透能力,在生物医辽、工业生产、安防检测等领域具有重大的研究价值和广阔的应用前景,目前已成为当今世界成像技术的研究热点。由于光源及探测器分辨率等性能的限制,成像系统在采集图像的过程中往往存在噪声,需要对采集到的太赫兹图像进行去噪处理。而现有的图像去噪算法往往在去除背景噪声的同时模糊了图像的细节,因此研究出既能去除背景噪声又可保留目标细节的优良算法具有重要的意义。一些较经典的去噪算法例如非局部均值(NLM)去噪方法是根据添加的噪声方差来设置参数进行去噪的。而对于真实的太赫兹图像,由于其结构的特殊性及复杂的噪声特点,我们无法获知其具体的噪声方差,进而无法自动设置去噪算法的参数,因此需要研究一种能对太赫兹图像进行噪声估计的自适应去噪算法。首先,针对THz反射扫描图像重影和背景条纹噪声严重的问题以及THz图像尺寸较小的特点,采用了一种基于四叉树的加权双平方非局部均值(QBNLM)复合去噪算法。通过露西-理查德森(L-R)去模糊和直方图均衡化进行预处理然后使用四叉树分解方法将图像分解为不同大小的子块结合加权双平方NLM(BNLM)滤波实现了加速收敛的作用,可以有效的去除THz图像的噪声。但此时去噪算法的参数是整幅图像的标准差,这样会影响去噪的效果。因此,为了提高算法的去噪效果,解决实验图像噪声标准差未知的问题,研究了用于THz图像的噪声水平估计算法。通过对现有的效果较好的噪声水平估计算法的整合与改进,实现了对两类THz图像的噪声估计。最后,将上述估计方法的噪声估计结果代入复合去噪算法中,给出了THz图像的自适应迭代去噪算法。通过对实验图像的反复迭代去噪,可进一步提高基于四叉树的加权双平方非局部均值复合去噪算法的去噪效果,且相对于利用图像标准差作为参数进行去噪的效果更好,证明了噪声水平估计对提高算法的去噪效果是有帮助的。