图像作为一种极为重要的信息载体,其质量直接影响着人们了解与传播信息。特别在医学领域,医生的诊断情况与图像质量紧密相关,因此对医学图像进行去噪处理是必要的。以肺部CT图像的去噪处理为例,其要求在去除噪声的同时要对原始图像中的病灶等信息进行完好的保留,而传统图像去噪算法在这方面还存在一定的不足。相较之下,基于小波变换的图像去噪方法是一种更先进的技术,其中小波阈值去噪是最常用的方法之一。人工免疫系统（Artificial Immune System,AIS）通过模仿与借鉴生物免疫机理为实际工程问题的解决提供新的思路,现今已成人工智能研究领域中的一个重要分支。针对上述两个领域,主要做了以下工作:（1）对人工免疫系统与其常用算法进行了系统性的分析,针对其中的克隆选择算法存在的缺陷,针对性地从编码方式、变异算子和变异率等方面提出了一种改进方案,通过实验对比改进前后的克隆免疫算法在多峰函数寻优问题中的表现,证明改进后的克隆选择算法相较于传统克隆选择算法有着更快的收敛速度,更好的全局搜索能力以及更优秀的稳定性。（2）在小波阈值去噪方法中,其常用的阈值函数分为软、硬阈值两种,但是传统的阈值函数都存在着一定的不足。在现有的阈值函数基础上引入了自适应调节参数对其进行改进,使新的阈值函数可以在不同去噪场景下实现自适应调节以获取更好的去噪效果。实验证明,相较于传统阈值函数,使用新的阈值函数可以提高去噪后图像的峰值信噪比,获得更好的去噪效果。（3）最后,在现有阈值选取方式的基础上,提出了一种改进的自适应阈值选取方式,并通过引入改进的克隆免疫算法对自适应阈值进行优化,实验表明,在使用自适应阈值对图像进行去噪处理时,基于免疫算法可以对阈值的选取过程进行优化。当自适应阈值使用通过免疫学习得到的调节参数时,其处理后的图像相较于使用现有阈值有着更高的峰值信噪比和去噪效果,实现了对获取最优自适应参数这一过程的智能调节,并结合改进后去噪方法在医学图像边缘检测中的实验效果,证明了其具有良好的应用价值与通用性。