尽管传统的小波变换已成功应用于信号处理领域，但是它不能有效地处理高维数据。剪切波的出现克服了传统小波的局限，成为多尺度几何分析领域的又一有效工具，它增强了基函数的方向敏感性，轻松有效地逼近线奇异信号。剪切波与多分辨率分析有联系，且有着严密的数学理论，不但是一个灵活的高维数据的表示工具，而且具有简单的离散化实现过程。　　本文尝试根据剪切波的优点，还有变换后剪切波系数的概率统计特性实现了如下的改进算法：　　(1)本文研究了一种结合非下采样的剪切波变换和矢量C-V模型的新的分割算法，首先利用非下采样的剪切波变换所具有的平移不变性和对图像多尺度和多方向性的分解，很好地保留了图像的细节信息。而矢量C-V模型可以利用图像的灰度信息，对图像的整体把控比较好。我们将通过变换的多分辨率表示送进矢量C-V模型中，实现了一个新的图像分割算法，既充分利用了图像的细节信息又考虑到图像的灰度信息。通过对自然图像、纹理图像和彩色图像的仿真实验，验证了本文算法的有效性。　　(2)本文通过统计图像剪切波变换后的系数概率规律，利用高斯混合模型对剪切波系数所对应的大、小状态建模，充分利用剪切波变换捕获图像的线奇异信号的能力，再根据所建立的概率模型分离出图像的边缘信息，进而用改进的Ostu方法自动选取阈值，提取图像的边缘。从六组对比的仿真实验看出我们算法边缘线的连续性和流畅性和整体的视觉效果上有优势。　　(3)在统计剪切波变换系数的概率规律的基础上，继续统计了图像经过非下采样的剪切波变换后系数的联合统计特性，分析出剪切波系数与小波系数和轮廓波系数具有相类似的统计特性，即持续性和聚集性。从而建立了基于非下采样的剪切波变换域的隐马尔可夫树模型，该模型既考虑到同一尺度的系数相关性，又考虑到不同尺度相同方向的父子系数的关系。将模型应用于图像去噪获得了不错的效果。