数字图像的噪声抑制是图像预处理的关键步骤,直接影响到图像增强、图像分割、图像编码等后续图像处理的效果。图像噪声抑制在众多科学和工程领域中有着重要应用,其目的是抑制被噪声污染的退化图像中的噪声并尽可能地恢复图像,使复原图像的视觉质量和原始图像更为接近。高斯噪声是图像中的典型噪声类型,其滤波算法一直是国内外学者关注的研究热点。目前一些典型的去噪算法如:均值滤波,高斯滤波,双边滤波,维纳滤波,全变分去噪,小波去噪,非局部均值滤波等均可在一定程度上达到抑制图像高斯噪声的目的。本文在深入研究和总结现有高斯噪声去噪算法的基础上,提出了以下几种改进算法。(1)在小波阈值去噪算法中提出一种新的指数型阈值函数用以收缩小波系数,克服了传统的软硬阈值函数处理信号的固有缺陷,使小波重构信号具有更好的连续性。(2)针对非局部均值滤波算法复杂度高、计算量大的弊端,将积分图像加速技术应用在相似块间的欧式距离计算上,极大提高了计算效率,大幅缩减了算法运行时间,并且去噪后的图像质量有明显提升。(3)提出一种基于Canny边缘检测的高斯噪声滤波算法。先利用Canny算子检测出图像边缘,再对边缘区域进行一次膨胀处理。用非局部均值滤波算法去除边缘区域的噪声,然后用小波阈值去噪算法去除非边缘区域的噪声,最后将两部分去噪结果合并得到输出图像。实验结果表明,边缘检测去噪算法对于噪声强度不大的图像去噪性能优于其他去噪算法。本文对图像高斯噪声的去噪研究结果可应用于消费类电子产品。