在信息技术不断发展的今天，数字图像逐渐成为人们获取信息的常规手段，随着人们生活质量的提高，对于图像清晰程度的要求也愈来愈高。图像去噪在整个图像处理的过程当中占据首要的位置，它是图像的预处理步骤。噪声的干扰不仅降低了图像的分辨率，而且严重影响目标的识别和分类。有关图像去噪的算法国内外专家学者一些在研究，近几年基于图像自适应表示方法的一些多尺度几何分析工具在图象去噪方面普遍应用。非局部均值滤波自从被提出了也得到了很大的认可，很多经典的去噪算法中都采用了非局部均值滤波的思想。本文将在全局Bandelet去噪的基础上结合非局部均值思想，针对Bandelet变换中计算出的子块最优方向提出修正规则对其修正，使得含噪图像的子块方向更加准确，提高最终去噪的效果。主要工作包含以下两个方面：（1）针对自然图像提出了一种基于非局部方向修正的全局Bandelet去噪算法。对Bandelet变换中子块的方向结合非局部思想，运用一定规则对原始方向进行修正，从而得到新的最优子块方向，然后沿修正后的最优方向进行投影，得到一维信号并进行小波变换获得Bandelet系数。阈值收缩采用简单的采用全局硬阈值方法。实验证明，该去噪方法与传统的非局部均值滤波和全局Bandelet硬阈值去噪相比在峰值信噪比和视觉上都取得较好效果。（2）针对SAR提出一种结合边缘检测和非局部方向修正的Bandelet域降斑方法。该方法最先将SAR图像的主要边缘检测出来，然后对去除边缘的图像采取降斑处理。处理时对Bandelet变换中子块的方向结合BM3D块匹配框架，运用一定规则对原始方向进行修正，从而得到新的最优子块方向。根据修正后的方向进行条带波变换获得Bandelet系数。实验证明，该去噪方法结合了边缘检测和非局部方向修正，取得了不错的效果具有一定的优势。本论文工作得到了教育部长江学者和创新团队支持计划（IRT0645）、高等学校学科创新引智计划（111计划）(B07048)以及中央高校基本科研业务费专项资金(JY10000902032)的资助。