噪声可以理解为一种基本的信号失真,它会妨碍人们对图像的观察及分析,因此图像去噪领域的任何进步都有助于加强我们对基本图像统计和处理的理解。本文首先提出了双树复数小波与Canny算子相结合的去噪方法,建立了一种基于分数阶微分算子的去噪模型,最后提出了基于小波阈值函数的空间自适应多阶全变分去噪方法,并通过仿真实验来验证结果,最后得出结论。主要研究工作内容如下:1、针对传统小波处理较差的方向敏感性和位移不变性及较大冗余度。提出了一种双树复数小波与Canny算子相结合的图像去噪方法,首先利用小波收缩将所有比例和子带的小波系数设定为阈值,然后利用了Canny算子的边缘检测特性,设计控制函数进行边缘检测,最后进行逆双树复数小波变换处理,不但能有效去除图像的噪声,而且能保护图像的边缘纹理信息。去噪性能也更具理想化,具有一定的先进性和实用性。2、针对传统的去噪方案可能会产生意想不到的图像模糊效果,从而影响图像边缘和其他细节特征信息,因此提出了一种基于分数阶微分算子的自适应图像去噪模型。先结合图像梯度进行边缘检测,再结合高斯曲率和分数阶微分算子的性质,由图像的局部方差,建立分数阶微分算子,新模型有效地控制图像边缘纹理细节信息,去噪后图像的内部信息结构保护更具完整性,去噪性能也更具理想化,具有一定的先进性和实用性。3、针对传统的一阶和二阶全变分去噪模型在图像处理过程中的不足,提出了一种新的空间自适应多阶变分正则化功能,该功能将多阶导数与空间自适应权重以及用于调整这些权重的基于正则化功能的公式结合在一起。首先进行小波阈值筛选,然后将去噪图像进行小波分解,同时利用Canny算子检测边缘,避免丢失边缘纹理信息,然后结合空间自适应多阶全变分去噪模型进行处理。结果表明,所提出的方法能更好的处理噪声及保留图像信息。