图像是人们获取信息的重要来源,但在图像的获取、传输和存储过程中经常会引入各种各样的噪声,使图像质量变差。因此,去除图像中的噪声,改善图像的质量,就成为数字图像处理的重要内容。本论文对基于小波变换及轮廓波变换的图像去噪方法进行了详细研究,并对现有去噪算法进行改进,主要涉及以下内容:首先,介绍小波图像去噪方法的国内外研究现状,分析传统小波去噪方法的优势和不足。并详细介绍小波图像去噪的一些基本知识,包括小波分析理论、图像噪声特性以及小波去噪性能评价标准等,为后续小波去噪算法的改进做必要的理论准备。其次,详细研究传统小波阈值去噪方法,指出传统软、硬阈值函数在图像去噪时的不足,提出改进的新阈值函数。为了改善去噪图像中的Gibbs现象,还引入递归Cycle Spinning算法。去噪实验结果表明,该方法能有效去除图像中的高斯白噪声,抑制Gibbs现象,改善去噪图像的视觉效果。再次,分析图像各个高频子带小波系数的统计分布特性,选用正态反高斯模型对高频系数先验建模,并用贝叶斯最大后验概率估计法得出各个高频子带小波系数的自适应收缩公式,并引入了尺度相关处理和递归平移算法。将改进算法用于图像去噪,能有效保护图像的细节信息,提高去噪图像的峰值信噪比。最后,为了更好地对图像的轮廓和边缘进行稀疏表示,选用轮廓波变换对含噪图像进行分解。研究图像轮廓波高频系数分布并用正态反高斯模型先验建模,获得高频系数收缩公式。同时,引入递归Cycle Spinning算法来抑制Gibbs现象。去噪实验结果表明,该方法能有效去除图像中的高斯白噪声,且图像中轮廓和边缘保持较好,极大提高去噪图像的峰值信噪比。