噪声是影响图像质量的重要因素,噪声的存在会导致图像的某些特征细节不能被辨识,图像信噪比下降,因此在图像处理中如何有效的去除噪声,提取图像信息变得非常重要。近年来基于小波变换的去噪方法得到越来越广泛的研究和应用。图像的小波去噪是根据图像信号和噪声小波变换的不同表现形态,构造出相应的规则,对图像信号和噪声的小波变换系数进行处理,处理的实质在于尽可能减小甚至完全剔除由噪声产生的系数,同时最大限度的保留有效图像信号对应的小波系数。基于小波变换的去噪方法有很多种,本文主要讨论了其中的阈值去噪方法。首先,对阈值去噪的原理进行了详细的介绍,对去噪过程中阈值和阈值函数等关键参数的选取问题进行了详细的分析和说明,并给出一些选取依据;其次,详细介绍了小波去噪方法中的比较常见的几种方法,包括基本的阈值函数和基于统计模型的阈值函数,并对它们进行仿真实验和对比。基于统计模型的阈值去噪方法特别是BLS-GSM模型,由于考虑了小波系数的所有四种统计特性:稀疏性、传播性、聚集性和方向性,因此它去噪效果理所当然要比其他去噪算法的效果好,但是该方法需要为原始图像假设一个标准的概率分布模型,比较复杂。因此最后,本文基于线性均方估计理论,给出了一种改进的阈值去噪算法,对阈值函数进行了线性扩展。通过对灰度图像和RGB图像的实验仿真,证明了该算法有较好的去噪效果。