随着图像信息的日益普及,图像在很多领域都有着非常重要的作用。但是图像在采集、获取以及传输的过程中,往往要受到不同噪声和不同程度的污染,为了后续更高层次的处理,很有必要对图像进行去噪预处理。小波理论迅速发展,以其良好的时频局部化特性,为解决降低噪声的同时能够很好地保留图像细节提供了良好的工具。小波变换能够很好地刻画信号的非平稳特性,如:边缘、尖峰、断点等,这便于图像特征的提取。此外小波变换还具有低熵性、去相关性、多分辨性和选择基的灵活性等特点。充分利用这些特点,在小波变换域中能够十分有效地将噪声和信号区别开来。曲波变换不仅具有多尺度的特性,而且由于引入了一个方向参量,而使它具有各向异性的特征,对线条状特征有着良好的表征。对于二维图像而言,边缘、轮廓等线条特征恰恰包含了最重要的信息,这使得曲波变换在数字图像处理领域中有着良好的表现。图像去噪是图像处理和分析的基本问题,如何从数字图像中尽可能多地去除噪声,而保留更多的图像重要信息一直是研究人员广泛关注的问题。目前,由于小波变换和曲波变换在分析图像奇异性方面的独特优势,而被人们广泛的重视。本文所做的主要工作如下:(1)在小波阈值图像去噪方法的基础上,对小波系数进行相应的调整。该方法是先对小波变换后三个子带中绝对值小于阈值且是三个子带中绝对值最大的高频小波系数进行自适应的调整,后进行图像阈值去噪。其中调整的百分比与图像的高频系数和阈值有关。(2)针对传统图像去噪方法的不足,即:传统图像去噪方法,在利用小波变换去除噪声的过程中没有很好地考虑图像边缘的处理,从而使处理后图像效果存在一定程度的边缘模糊现象。本文在Donoho小波阈值去噪方法的基础上提出了一种基于图像边缘保护的图像去噪新方法。该方法首先对图像边缘进行提取保护处理,后进行图像去噪。(3)利用小波变换和曲波变换在处理点奇异和曲线奇异方面的独特优势,提出了小波和曲波联合的图像去噪方法。该方法首先分别采用小波变换和曲波变换对图像进行去噪,后根据小波变换和曲波变换的权重系数,来进行联合重构。其中权重系数与图像的奇异特性有关。