数字图像处理是数学技术和计算机技术交叉领域的一门新学科，图像去噪一直是该领域的研究热点，数字图像的有效去噪是图像信息预处理的关键步骤。在数字图像处理中，由于实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，使图像在一定程度上受到噪声地污染。噪声恶化了图像的质量，使图像模糊，特征淹没，给分析带来困难。因此对含噪声图像进行适当地预处理是图像处理中的一个重要问题，对于改善图像质量具有重要的意义。图像降噪归根到底是利用噪声和信号在频域上分布得不同进行的。信号主要分布在低频区域，而噪声主要分布在高频区域，同时图像的细节也分布在高频区域。传统的空域或频域去噪算法往往在滤除噪声的同时也滤除了图像中的边缘信息，造成图像的模糊。小波变换为图像的表示提供了一种多分辨(多尺度)的方法，它能够同时给出图像信号时(空)域和频域的信息。因此，在小波变换域中进行噪声平滑具有空间和频率的双重选择性。小波变换由于具有“数学显微镜”的作用，在去噪得同时能保持图像细节，得到原图像的最佳恢复。在众多的小波去噪方法中，运用最多的是Donoho的小波阈值萎缩法，但Donoho给出的阈值有“过扼杀”小波系数的倾向，重建误差较大。因此如何在滤除图像噪声的同时较好地保持边缘细节，成为人们广泛关注的热点问题。在近二十年的研究中，涌现出许多去噪模型，主要有:高斯滤波、中值滤波、小波变换和DCT变换滤波、各向异性扩散方程模型、全变分模型、双边滤波、非局部平均滤波等等。本文的主要研究工作主要分为以下几方面： (1) 介绍了图像滤波算法研究的目的，描述了图像滤波的基本概念、国内外研究动态、应用领域及发展趋势。 (2) 介绍了图像噪声的性质以及图像去噪效果的评价性能标准。 (3) 阐述了在空域中的典型滤波算法，探讨了不同算法的优缺点并给出详细的实验结果与性能分析。 (4) 介绍了基于阈值的图像椒盐噪声的非迭代滤除。 (5) 介绍了小波理论的基本概念以及在图像去噪中的应用，并给出了相应的实验结果与性能分析。 (6) 提出了基于小波变换的边缘保留图像滤波算法，利用动态的掩模矩阵对高频系数进行滤波，得到滤波后的小波系数。最后，通过小波重构得到去噪图像。 (7) 提出了小波变换与反锐化掩模思想相结合的滤波算法，通过对高频系数进行锐化和阈值处理，再利用锐化前的高频系数减去处理后的高频系数，得到最终的高频系数，最后进行重构而得到去噪图像。 (8) 对论文研究工作进行回顾总结，并对进一步的工作进行展望。