由于数字图像在获取及传输的过程中通常会有噪声的污染,这些噪声对目标分割和识别等后续图像处理工作有负面影响,所以消除噪声是一项重要的图像预处理任务。另一方面,随着数字通信技术的迅猛发展,图像数据量呈现指数增长,图像压缩成为图像处理领域的研究热点问题之一。小波分析由于具有良好的时频局部特性以及多分辨率分析特性,可以有效地从信号中提取重要信息,因此在图像处理领域得到广泛应用。本文主要针对基于小波变换的图像去噪及压缩算法进行研究,提出了改进的小波阈值去噪算法以及改进的多级树集合分裂(SPIHT)算法。小波阈值去噪是目前研究最为广泛的去噪算法之一,基于此算法提出了许多改进的算法。然而,这些改进的去噪算法均忽略了对低频子带进行降噪处理。然而,实验结果表明低频子带部分仍含有少量的噪声系数,因此本文采用自适应中值滤波对低频子带进行去噪,进一步减少了噪声系数,而对高频子带采用原始的通用阈值去噪算法。传统SPIHT算法在阈值较大情况下对所有的小波系数都进行扫描编码,所以0位的输出较多,降低了编码效率。本文针对上述不足提出了一种改进的SPIHT算法。首先,在对不重要子集表(LIS)进行扫描编码之前,判断对于当前阈值LIS列表中的是否有重要的小波系数。如果有,则按照原始的SPIHT算法进行编码;如果没有,则跳过对LIS的编码。其次,对不重要系数表(LIP)进行扫描编码时,增加一个标志位,检测是否所有的重要系数都已编码完成。如果都已编码,则跳出对LIP的编码。实验结果表明,与原始算法相比,当噪声方差较大(噪声污染严重)时,本文提出的小波阈值去噪算法获得的重构图像的峰值信噪比(PSNR)有显著提高。然而,随着噪声方差的减小,PSNR值略有降低。此外,与原始算法相比,在相同压缩率情况下,本文提出的SPIHT算法取得了更好的重构图像质量,特别是在比特率较低情况下,PSNR值提高地更为明显。