图像去噪是利用各种数学方法和变换手段提高图像的信噪比，突出图像的期望特征。小波变换作为一种新颖的数学工具，其应用范围广泛，由于它能够多尺度多角度提取图像信号特征，并在不同尺度把噪声和信号明显区分开来。Curvelet变换与小波变换不同的是除了尺度和位移参量，还增加了一个方向参量，具有更好的方向辨识能力，能够更优地逼近曲线，其各向异性特征可以更好地描述图像的边缘和细节信息。这两种方法在图像去噪方面都有很大的优势。本文主要研究小波变换和Curvelet变换在图像去噪方面的应用，重点利用上述两种方法进行改进和研究，具体研究内容如下:　　(1)针对软、硬阈值去噪时存在过分平滑、边缘振荡和有恒定偏差的缺陷，在经典小波软、硬阈值去噪方法的基础上，提出了四种新的小波阈值去噪的综合模型。新的阈值函数表达式主要通过调整控制参数来实现，它们不仅继承了传统去噪方法的优越性，而且保留了更多图像细节信息。实验结果表明，改进算法无论在视觉效果上还是在峰值信噪比和均方误差定量指标上均取得了较好的去噪效果，充分体现出小波阈值图像去噪的优越性。　　(2)针对目前小波变换去噪方法的不足，在分析基于Wrapping算法的快速离散Curvelet变换去噪的基础上，对其加以改进，提出了一种结合快速离散Curvelet变换和CycleSpinning的去噪方法。该方法继承了两者的优点，能较好的保留图像细节和纹理信息，减少伪吉布斯现象，获得了更好的视觉效果，与传统小波阈值去噪和快速离散Curvelet变换相比具有更高的峰值信噪比。