随着网络及计算机的日益普及,图像、音频等多种形式的多媒体文件极大地丰富了人们的生活。然而图像在采集、获取以及传输的过程中往往要受到噪声的干扰,被噪声污染的图像叫做含噪图像,它对信息的处理、传输和存储造成极大的影响。因此,寻求一种既能有效地减小噪声,又能很好地保留图像边缘信息的方法,是人们一直追求的目标。传统的去噪方法是将含噪图像通过一个低通滤波器,滤掉噪声频率,但去噪的同时会破坏图像的细节。小波具有多分辨率的特点,能够聚焦到信号的任意细节进行多分辨率的时频域分析,可方便地从混有强噪声的信号中提取原始信号。小波变换因其自身所具有的诸多优良特性,越来越多地被应用于图像去噪领域。其中,小波阈值去噪算法因为原理及实现简单,应用性能良好,近年来受到了国内外学者的广泛关注。本文在认真研究了小波阈值去噪的基础上,提出了一种基于自适应遗传算法的小波阈值图像去噪研究方法。首先对标准遗传算法进行改进,对文《改进自适应遗传算法在函数优化中的应用研究》中提到的算法推广,经过实验验证改进的遗传算法具有更好的稳定性和收敛性。文中分别针对高斯噪声和非高斯噪声,在不需要估计噪声能量的情况下,采用GCV准则构造目标函数,用改进的自适应遗传算法求解多尺度小波分解每层系数的最优阈值,通过软阈值法对小波系数处理后进行小波重构。实验结果表明,利用这种方法进行图像去噪是可行的,并且能够达到较高的信噪比,算法的运行速度快,可较好的保留图像的细节信息。