噪声是影响图像质量的重要因素，噪声的存在会导致图像的某些特征细节不能被辨识，因此在图像处理中如何有效的去除噪声，以获得更多的图像信息变得尤为重要。近年来基于小波变换的图像去噪方法得到越来越广泛的研究与应用。图像的小波去噪是根据图像和噪声具有不同的小波变换特性，运用相应的规则，对图像和噪声的小波变换系数进行处理以达到去噪的目的。本文围绕小波和贝叶斯估计的图像去噪算法展开研究，具体工作如下:　　(1)研究了含高斯噪声的图像去噪问题。首先从含高斯噪声图像小波分解数据的统计特性出发，建立贝叶斯模型估计原图像的小波系数值;其次通过贝叶斯风险函数计算小波阈值。针对指数型阈值函数的不足，本文给出了一种改进的指数型阈值函数，改进的指数型阈值函数保留了指数型阈值函数的连续与可导的性质，克服了指数型阈值函数参数的选取方式的不足。通过实验对比，验证了该算法具有较好的去噪效果。　　(2)探讨含泊松噪声的图像去噪问题，建立贝叶斯模型，并估计泊松分布的参数。由于泊松分布的参数随着小波分解尺度的增加而减小，使得通用阈值不能直接用于去除泊松噪声，文献[59]中给出了一种改进的阈值，改进的阈值考虑了方差的变化情况，但未考虑到泊松分布的性质。本文在文献[59]阈值的基础上应用了贝叶斯方法估计得到的参数，给出了一个新的阈值。该阈值考虑了分解尺度和泊松分布的特性对阈值的影响，通过实验验证了该阈值去噪的图像具有较高的信噪比。