小波分析是时间和频率的局部变换,能够有效地从信号中提取信息。随着小波变换理论的完善,其应用也越来越广泛。Donoho和Johnstone在1992年提出了“小波收缩”方法。它为信号和图像的噪声处理开辟了一条的新途径。本文主要对图像的去噪方法进行了研究,提出了改进的基于小波边缘检测的自适应图像去噪方法和基于复小波变换与层间模型的图像去噪方法。基于小波边缘检测的图像去噪的改进主要体现在给出了一种新的小波系数方差的估计方法,它先利用小波边缘检测方法得到带噪图像的边缘信息,在利用得到的边缘将小波系数分成不同的区域,并将小波系数分为边缘点与非边缘点。对非边缘点的小波系数,它的方差由其相邻的在同一块区域的系数点决定。该方法计算效率较普通方法更高,更加准确。当图像被噪声污染得不是很严重时,这种方法可以得到较好的去噪结果。基于复小波变换与层间模型的图像去噪方法较一般方法复杂,它利用双树复小波变换与层间模型。相对于二进小波变换,双树复小波变换也可以实现平移不变,但能有效地降低数据量,节省运算时间。一般的复小波系数的层间模型都是对它的实部和虚部分别建立模型,而本文对复小波系数的幅值建立层间模型并且改进了方差估计方法。层间模型可以利用相邻尺度间小波系数的依赖性,对于被噪声污染很严重的图像效果较为明显。这种模型不能给出明确的解,因此每个小波系数的收缩都需要一个迭代过程。虽然运算时间较一般方法要长,但可以更好的达到去噪的目的。