医学图像在经过数字化处理的每个过程中(采集、生成、复制、扫描、传输和变换等),都会不可避免的引入噪声,噪声是影响医学图像质量至关重要的因素,噪声的存在会使图像峰值信噪比下降,图像变得模糊,甚至直接导致图像的某些特征细节淹没在图像噪声中,尤其是病变部位不能被辨识,从而影响医师诊断的准确率,因此需要尽可能减少噪声对医学图像的影响。本文简要介绍了小波变换理论,详细介绍了小波域去噪的几种经典方法,并在仔细研究了医学X射线数字底片图像的噪声分布之后,主要做了以下几点:1.总结现有算法的优缺点,对已有的医学图像去噪算法进行编程实现,为本文算法的改进提供依据。2.在一种基于层内相关性的方法Neigh shrink的基础上提出了一种新的小波域去噪方法,在对小波系数进行阈值收缩处理时,避免单阈值过大或过小,采用双阈值对小波系数进行收缩。3.根据不同尺度间系数的相关性和不同尺度子带所含图像能量不同,即基于层间相关性的理论,结合图像的奇异性,设定新的适应性阈值,构造新的软、硬阈值函数。这样做的结果是,不仅使那些处在边缘附近而自身绝对值又比较小的系数就可能会被保留下来,而且能有效剔除噪声引起的伪边缘,从而达到保护医学图像细节的目的。本文提出的两种算法克服了硬阈值和软阈值函数的缺点,在数值指标和视觉观察上都达到了理想的去噪效果,并且基于层内相关性的算法不仅对新图片去噪效果较好,而且对有磨损的图片的清晰度也有一定的提高,有很好的应用前景。实验证明,我们的新方法是有效可用的,较好的保留医学诊断所需要的图像细节。