图像在采集、传输等过程中,由于各种因素的影响,往往会受到噪声的干扰,噪声不仅会降低图像的视觉质量,而且有可能掩盖图像的特征信息,因此图像去噪是图像处理领域中的一个重要环节,对图像的进一步处理具有重大的现实意义。小波方法和偏微分方程方法是图像去噪领域中两种非常有效的去噪方法,小波变换具有多分辨率、能量集中以及时频局部特性等众多优势,在图像去噪领域中得到了广泛的应用,偏微分方程的各向异性特性在图像去噪领域中也表现出一定的优势。本文首先介绍了图像去噪技术的发展和小波变换在图像处理领域中的应用,然后对小波分析理论和目前常用的小波图像去噪进行了详细的描述和分析,通过对小波变换理论和各种去噪算法的深入研究,提出了三种基于小波变换的自适应图像去噪算法：基于多图像的自适应小波去噪算法、基于非抽样小波的多阈值去噪算法和基于小波与TV扩散的混合去噪算法。第一种算法提出了采用多幅输入图像的去噪策略,首先对多幅输入图像变换后的小波系数进行加权运算,然后采用自适应于尺度和子带大小的阀值进行去噪,通过加权运算强化了图像特征并降低了噪声；第二种算法充分利用非抽样小波的冗余性来寻找小波系数之间的依赖关系,对变换后的小波系数进行分类,对不同类别的系数采用不同的阈值进行自适应处理以改进去噪效果；第三种算法根据全变差模型在去除噪声时的缺陷,提出了将非抽样小波和全变差模型结合起来的自适应混合去噪策略。仿真实验结果表明,本文提出的图像去噪算法能有效的去除图像噪声,获得良好的视觉效果,并且峰值信噪比也有一定程度的提高。