图像本身是一种信息。在得到原始红外热图像的过程中，会受到环境限制以及探测器固有噪声的影响，得到的图像缺乏对比度与层次感，图像较为模糊，不可直接利用，因此，对原始红外热图像的后续处理以及识别工作是十分重要的。
噪声具有一定的随机性，如椒盐噪声、高斯噪声。长期以来，如何对红外热图像进行去噪，一直是图像处理领域的重要研究方向，传统的去噪方法有空域法和频域法，主要实现途径是均值滤波、中值滤波、均值与中值滤波相结合等，但是这些方法都不能满足人们的需求，寻求一种更加有效的方法已成为当务之急。
经过对傅里叶（Fourier）分析方法的进一步研究，衍生出了一种蓬勃发展的新的数学分析工具——小波分析理论。本文便是运用了小波分析理论，来研究红外图像去噪的算法。
1．2  现阶段研究情况
1．3  小波变换在红外图像去噪中的应用
在传统意义上，图像去噪方法的主要目的是滤除高频部分，但这样总也会造成图像边缘变得十分模糊的后果。
随着小波分析理论的日渐成熟，近年来，小波变换的理论知识进行图像处理的方法，受到越来越广泛的关注。通过这种方法，不仅能提高图像信噪比，图像的细节部分也能得以保存。如果设定了阈值，利用本地的小波系数，可以在一文空间得到一个理想的结果；如果利用neighshink算法，当实际情况扩展到二文空间时，依然能取得不错的效果。根据最优自适应小波系数处理窗口的特性以及噪声方差和小波系数方差的比，基于多尺度自适应阈值图像去噪的算法，最终确定每个文度上的自适应阈值。实验结果表明，与现有的方法相比，该算法不仅能获得较清晰的图像边缘，而且能有效地去除噪声。
作为一种自适应信号处理技术，小波去噪方法之所以能够成功，主要得益它的以下几个特点：
1)    低熵性；
2)    多分辨率性；
3)    去相关性。
4)    选择基底的灵活性 [2]
红外波段的短波界与可见光的红光相连。人们习惯上会根据波长相对于可见光的位置，把红外区分为四个部分，他们分别是：
0.75um — 3um ：近红外光谱区；
3um — 6um ：中红外光谱区；
6um — 15um ：远红外光谱区；
15um — 1000um ：极远红外光谱区；
从理论上分析，一个物体的红外辐射强度，在理想情况下取决于物体表面温度、表观面积和发射率ε。但事实上，诸如天空、海洋等的相对周围环境对物体的红外辐射量也不可忽略的影响，因为环境因素对目标的红外辐射有复杂的调制作用。目标辐射出的红外波段，会被大气中某些气体选择性吸收，同时悬浮粒子也会使红外波发生散射，这会造成辐射通量的衰减。如果在红外辐射传输路径中，各地区温度有差异，也会使传输方向（远处目标的表观方向）发生微调，由于这些情况都带有很大的随机性，所以当辐射到达传感器之前，红外辐射受到的干扰是毫无规律的，这就是所谓的大气闪烁效应，这种效应使得不仅会改变表观方向，也会使辐射通量发生变化。
在实际测量中，目标情况往往是十分复杂多变的，如果目标的形状结构十分不规则，同时又包含有大量分散的热源，将会造成其辐射通量分布不均匀；对流冷却速率也会影响目标的运行速度，目标的表面温度将不断改变；当目标表面有涂料或者进行了隔热等措施时，得到的红外图像会变的不清晰；另外，在红外波传输过程中，传感器元件也会产生随机噪声，影响图像质量。 基于小波分析算法的红外图像降噪仿真实现(2):http://www.youerw.com/jisuanji/lunwen_11028.html