图像中总存在许多各种各样的噪声,为了对图像进行有效地分析和通信,在图像预处理中必须减少图像中的噪声。传统的降噪方法在降噪的同时损失了图像的细节。然而有“数学显微镜”之称的小波变换,在去除噪声的同时能保持图像的细节,得到原图像的最佳恢复。脊波(Ridgelet)变换是继小波(Wavelet)变换后提出的一种新型的多尺度分析方法。对于图像中的直线状和超平面的奇异性问题,Ridgelet变换体现了比Wavelet变换更好的处理效果。本文研究了小波变换图像降噪、脊波变换图像降噪以及基于DJ、BayesShrink、NormalShrink等阈值的阈值降噪方法,提出并实现了改进的NormalShrink阈值脊波图像降噪算法和基于平稳脊波变换图像降噪算法。第一个算法是根据噪声随着分解层数的增加,高层子带中包含的噪声数量逐渐减少的原理,针对Lakhwinder Kaur等人提出的NormalShrink阈值作了进一步的改进。第二个算法是改进了有限脊波变换的算法得到的。即将平稳小波变换代替了正交小波变换,再与有限Radon变换相结合,形成平稳脊波变换并将其应用到图像降噪。其中平稳小波变换是在正交小波变换基础上提出的一种变换方式,利用平稳小波变换对图像进行降噪处理,可以克服正交小波变换降噪存在的不足,达到较好的降噪效果。最终通过仿真实验,验证了上述两个算法的合理性,取得了较好的效果。