图像去噪技术是图像处理领域的一个古老的话题,其主要目的是使图像在保留更多原有细节的前提下去除图像在采集以及传输的过程中被增加的噪声。在所有的去噪方法中,小波阈值去噪由于具有优良的去噪性能,因此被广泛地应用。本文围绕小波分解的方式、小波去噪的阈值选择、去噪软件的编写等问题展开研究。主要研究工作和成果如下：(1)在小波去噪中,阈值的选择很关键。论文研究了几种经典的阈值,包括VisuShrink阈值、SureShrink阈值以及BayesShrink阈值,并针对这三种阈值进行仿真实验和实际实验。实验表明,经典的BayesShrink阈值去噪算法对仿真含噪图像具有良好的去噪效果,其性能优于VisuShrink阈值和SureShrink阈值。(2)为了利用双树小波变换的多方向性,用双树复数小波变换来分解图像,然后对图像进行去噪,实验结果表明,使用双树复数小波变换来分解图像然后去噪可以保留更多的图像细节。针对单变量统计模型不能显示出小波系数之间的联系的问题,研究了小波系数的双变量统计模型,该模型可以显示出相邻层的小波系数之间的相关性,将该双变量模型应用于图像去噪,实验表明,使用双变量阈值去噪算法之后,图像的峰值信噪比和视觉效果均比单变量模型有所提高。(3)对基于双树复数小波的双变量阈值去噪算法进行改进,使其在应用中更加有效。改进的方法有降采样处理、子带自适应的噪声方差、局部类灰度化处理。首先,对图像进行降采样然后对降采样之后的每一张小图片分别去噪,最后再合成原来的大图；其次,对小波系数的每一个子带分别计算噪声方差；最后,用单尺度小波变换算法检测出图像的轮廓,对轮廓处的像素点不做处理,对非轮廓处的像素点做类灰度化处理,去除彩色噪声块。实验结果表明,改进之后的方法对手机拍摄的噪声图像具有更好的去噪效果。(4)采用VS2010完成了小波去噪软件的编写,用C语言实现了基于双树复数小波的双变量阈值去噪算法。该软件能够实现对手机相机拍摄的含噪图像进行去噪,并采用多线程等手段来提高软件的性能。最后对软件进行了测试,结果表明软件的去噪效果达到要求。