1、圖像是信息的重要載體，是我們獲取信息的重要渠道。然而，圖像在獲取、傳輸以及存取過(guò)程中的各個(gè)環(huán)節(jié)均不同程度地受到噪聲的污染或其他非目標(biāo)信號(hào)干擾。為了更準(zhǔn)確地獲取圖像信息,需要對(duì)噪聲圖像進(jìn)行去噪處理。小波分析是一個(gè)新興的前沿研究領(lǐng)域，隨著小波分析理論的日臻完善，它在信號(hào)及圖像去噪領(lǐng)域受到廣泛重視。本文主要研究了小波變換在圖像去噪方面的應(yīng)用，主要內(nèi)容如下：
　　首先在前三章主要介紹了圖像去噪研究的現(xiàn)狀，小波分析的基本理論及常用的基于小波

2、變換的圖像去噪算法，并對(duì)常用的三種基于小波變換的圖像去噪算法作了簡(jiǎn)要的分析比較。
　　第四章針對(duì)正交小波閾值去噪后的圖像會(huì)產(chǎn)生吉布斯效應(yīng)，并且全局閾值均不同程度的存在“過(guò)扼殺”傾向，考慮到信號(hào)與噪聲在小波變換各尺度上具有不同的傳播特性，以及圖像經(jīng)二維三帶分解后在不同尺度上具有三個(gè)子帶方向（即水平、豎直及對(duì)角線三個(gè)方向），給出了全局閾值依分解尺度與子帶方向修正的自適應(yīng)閾值，提出了一種基于平穩(wěn)小波變換的自適應(yīng)閾值圖像去噪方法，通過(guò)仿真

3、實(shí)驗(yàn)驗(yàn)證了該算法的合理性，取得了較好的去噪效果。
　　第五章針對(duì)小波僅為零維奇異目標(biāo)函數(shù)的最優(yōu)基，而非高維目標(biāo)函數(shù)的最優(yōu)基，介紹了脊波變換。在本質(zhì)上脊波是通過(guò)對(duì)小波函數(shù)添加一個(gè)表征方向的參數(shù)得到的，其基函數(shù)能有效地描述沿直線或超平面的奇異性高維信號(hào)，利用脊波變換進(jìn)行圖像去噪是由于圖像的線奇異可以用較少的脊波系數(shù)表示，而隨機(jī)分布的噪聲卻沒(méi)有如此顯著的系數(shù)。故對(duì)脊波系數(shù)做簡(jiǎn)單的閾值處理就可以得到較好的效果。本章根據(jù)噪聲隨分解層數(shù)的增加