数字图像去噪,自从被提出以来就一直是图像处理领域的基本课题之一,其难点在于无法对所有类型的图像使用同一种去噪方法而都得到很好的去噪效果。传统的去噪方法便是针对图像的不同特征以及噪声的不同特征来采用不同的去噪方法,其缺点显而易见,那即是在无法获得图像和噪声的先验知识时,去噪方法的选择便没有了依据,只能根据去噪结果的主观判断来穷举去噪方法。本文试图提供一种基于形态分量分析理论,适用范围与去噪能力俱佳的去噪算法。图像一般是由各种分量组合而成的,而且大部分的图像都包含纹理分量与卡通分量,如何将这些分量通过某种算法分离出来,这就是盲源分离所研究的课题。如果在分离分量的时候能够将一部分噪声当作特定的分量直接分离出去,那便起到第一重去噪的效果了。对于混合在其他分量中的噪声,再针对特定分量采用预置的去噪算法,比如针对卡通分量中的噪声,可以采用小波阈值去噪算法,这便起到了第二重去噪的效果了。最后再将去噪后的各分量合并重建出图像,便达到去噪的最终效果了,通过实验可以知道,此算法较之传统去噪算法,在去噪能力与适用范围上均有优势。本文首先介绍了图形去噪的基本理论和传统去噪算法,通过算法分析和实验对比总结传统去噪算法的特点和局限。然后简单介绍盲源分离理论和其应用领域,重点分析形态分量分析理论和算法,并通过其对一维信号和二维信号的实验来分析算法的功能和局限。针对形态分量分析算法特点和图形去噪的要求,设计全新的去噪算法,并对不同图像加上不同噪声进行实验。从实验结果分析算法的有效性,复杂度,和适用范围。最后对其与传统去噪算法进行对比,分析其优势与劣势,得出结论,并对未完成的工作和有待优化的功能做出展望。