早期，提升图片的观看的效果和感受，改进图片的质地才是进行图片处理的主要目的。当年美国的探月器在拍摄月球照片[14]。随后飞行器发送回来的将近十万张照片，实验室对其进行更复杂的处理，成功的得到了月球的地形图，全景镶嵌图等，为人类登上月球打下了坚实的基础[2]。
这方面的例子还有医用的CT图像处理、航天所采集的遥感SAR图像信息、验证纸币和支票等真伪的数字图像、可用于身份识别的人脸以及人眼虹膜图像识别、天气预报所用的光谱图等等。生活中的方方面面都不能缺少精准的图像处理结果。这就要求人们对图像进行更为精准的处理，从而更有效地为人类生活和发展提供便利。
在通信、教育、医疗卫生、科学研究等领域里面，数字图像处理技术都有着它举足轻重的地位和非常广泛的应用。在获取和传输数字图像的这个过程中，因为一些无法抗拒的因素，比如温度、光照、电子设备等等外界因素的干扰和影响，和电阻、电感等内部元器件的影响，这些都会让呈现的图像产生不同程度的噪声，从而影响到图像的质量，和原始理想图像作比较就会有图像特征模糊等瑕疵。
而且噪声的存在，掩饰掉很多图像的细节信息，让人们需要提取的目标无法被识别。非常严重的影响到了图像的应用价值并且让图像无法进行到一些后续处理如图像分割、图像融合、特征识别等等。所以为了得到更接近理想的图像，就要处理掉这些影响图像效果的因素和噪声，图像去噪处理技术有着特别重要的意义和作用。
1.2  数字图像去噪的现状与发展
1.2.1  传统的图像去噪方法
1.2.2  小波和其他图像去噪方法
1.3  本文的主要工作安排
图像去除噪声算法一直是人们研究的课题之一，它的方法有很多种，每年都会有新的方法来提高计算机处理图像的水平。
本文第一章先介绍一些传统的去除噪声算法以及它们的发展现状。然后第二章对数字图像会出现的一些噪声给出了一些定义以及分类。还介绍了图像的存贮和采样，最后是如何评价一个图形的标准。第三章重点介绍经典的去噪方法，还有改进的方法。最后一章展示了各种去噪方法的结果，并对所编程计算的结果进行了对比和解析。
2 数字图像噪声以及评价标准
2.1  噪声的定义和分类
噪声，就是对人有一定的影响，阻碍人们对需要接受到的信息并可能产生对信息解读的误差，即图像中能导致这种误差的东西都可以称作噪声[7]。
在理论上，噪声被定义为“不可能预测。只可以是通过概率统计了解的一种误差”【3】，所以，噪声可定义为一种多文的图像信号。噪声的要表达清楚就十分复杂。我们一般用随机过程里面的概率分布函数和概率密度分布函数表达噪声。
下来我们将对图片的噪声进行分类简介：
2.1.1  按产生原因分类
图像噪声从产生原因可分为：外部噪声和内部噪声。
外部噪声是说设备外干扰的噪声。比如天气，数字设备等等[6]。
内部噪声说的是这四种：
（1）光和电引起的噪声。比方说电流的定向运动，自由电子的热运动，光的粒子性等等所造成的噪声。
（2）电器的材料原因造成的不可避免的噪声。
（3）拍照器材拍摄时的机械抖动引起的噪声[7]。
（4）电器内部的电路等引起的噪声。
2.1.2  按统计理论分类
噪声按照统计理论观点分为：平稳和非平稳噪声。
区别在平稳性质表象不跟时间改变，反之非平稳特质[8]。
2.1.3  按噪声幅度分类 MATLAB数字图像的空间滤波去噪算法研究(2):http://www.youerw.com/tongxin/lunwen_20481.html