图像收集已经成为现代社会获取外界信息的重要手段,被广泛地应用于社会方方面面。但是由于系统不理想和环境不确定性,使得获得到的图像中存在大量噪声,从而使人或者系统获取到的信息不够全面,直接影响到图像后续操作,比如图像分割、图像融合等操作。图像去噪作为图像处理最基础也是最重要的环节,它的任务就是在最大程度上去除存在图像中的噪声信息保留图像中的有用信息,提高图像质量。近年来,随着人们对图像的要求越来越高,使得图像去噪成为图像处理、模式识别等领域内一项十分活跃的研究课题。本文在分析了多尺度几何分析与交叉视觉皮层模型在图像去噪方面的理论的基础上,分别提出了基于Contourlet变换和ICM的改进算法。本文的主要研究内容如下:(1)分析了小波变换、CT(Contourlet)变换、NSCT变换的优缺点。CT变换不仅具备小波变换的所有优点,还具备了移不变性,而且学者们已经提出了 CT变换的快速的算法。虽然NSCT变换继承了 CT变换的所有优点,但是目前还没有开发出它的快速算法。(2)阈值和阈值函数是影响阈值去噪算法效果的主要因素。因为通用阈值并没有考虑系数所在的尺度和方向以及传统阈值函数的不连续和平滑了很对细节信息等缺点。本文提出了 一种基于分解系数能量的自适应阈值和基于系数能量的双阈值函数,该阈值函数根据阈值将高频分解系数分为高能量系数、中能量系数、低能量系数,实现对不同能量的CT系数进行不同的处理。(3)因为ICM具有PCNN定位噪声具体位置的性质,而且ICM相对于PCNN来说,待定参数少,模型相对简单。所以本文通过改进交叉视觉皮层模型使其在处理时间内只依靠各自(节点)独立的信息,将阈值函数改为与迭代次数有关同时引入赋时矩阵的概念,该赋时矩阵包含与空间相关的信息并确定处理周期和迭代次数。(4)针对高斯噪声和脉冲噪声的分布特性,根据改进ICM产生的赋时矩阵信息,分别提出了相应的自适应的算法。对于高斯噪声,先定位大噪声点后平滑小噪声点,平滑大噪声时,本文提出基于自身像素值的可变步长灰度调节函数。该函数可根据图像自身信息来确定调节步长的大小。对于脉冲噪声,可以自适应的调节窗口的大小并综合相应算法去噪。本文进行了大量的仿真实验,通过与其他去噪算法进行了主观和客观两个方面的比较,结果表明本文提出的算法不仅获得了较好的视觉效果,同时获得了较高的SNR和PSNR值。