在图像获取、图像传输等过程中,都不可避免地含有噪声,图像噪声的存在严重影响了图像的处理效果,图像去噪有利于图像的后续处理。因此,对含噪图像进行去噪处理,提高图像的质量,就成为一个重要的研究课题。小波分析是目前国际上公认的信号信息获取与处理领域的高新技术,是多学科关注的热点,是信号处理的前沿课题。由于小波变换具有低熵性、多分辨性、去相关性、选基灵活性等特性,使它成为在信号去噪领域内的有力工具。近年来,随着小波理论的不断完善,小波分析已经渗透到各学科领域。同样,小波在图像去噪中也得到了广泛的应用,并提出许多小波图像去噪算法。本文的工作主要包括以下三个方面的内容:(1)本文第一、二、三章首先总结了各种图像去噪方法,并对其进行了总结与对比,提出了各自的优缺点,着重阐述了小波变换的基础理论,给出了小波变换的基本概念、基本思想、发展历程和小波去噪的基本方法。(2)第四章为本论文的重要内容。对基于小波变换的图像消噪的信号分解层进行了研究,阐述了确定小波分解层数的重要性,提出了一种新的最优分解层的确定方法。通过各小波分解层信号和噪声的能量比来确定小波变换的最优分解层,采用MATLAB程序来编程进行运算验证。(3)第五章为本论文的另一重要内容。提出了一种新的消噪算法—多子带系数双σ阈值算法(MSDT算法)。通过阈值进行去噪,最佳阈值T的确定是一个关键问题。由于噪声能量在不同方向的高频系数分布情况有所差异,可对不同子带的高频系数取不同阈值进行去噪,本文称之为MSDT算法。新方法从各种衡量指标上看也优于全局阈值去噪法。(4)第六章为本论文的又一重要内容。提出另一种新的消噪算法—迭代重构算法(IR算法)。本算法根据小波变换的信噪分离特性,结合了数学中的迭代算法,提出的一种新的消噪方法。IR算法运用迭代算法层层向上迭代,完成图像的去噪。并用仿真实验验证了这种算法的有效性和可行性。(5)第五章总结了全文,并给出将来可研究的一些问题。