对图像进行去噪其实就是对图像进行滤波处理,主要是希望能够通过某种算法或运算来把图像中的噪声干扰给滤除，进而提高图像的质量。传统去噪方法存在着各种弊端，它们不能很好地对图像进行去噪处理，它们可能在去噪的同时还会使图像本身的一些重要信息变得模糊,并损失图像本身有用信息从而使滤波结果达不到我们的要求。

现在存在的图像去噪方法主要是传统图像去噪方法和小波图像去噪法。传统图像去噪出现的时间已经有几十年了，而小波去噪出现的历史却是刚刚兴起的一种方法。小波图像去噪法能够在更好地去除噪声的同时还能够最大程度地保护图像本身具有的一些特性，并且小波去噪的应用领域也更加广泛。

传统的图像去噪主要是通过傅里叶变换来实现，但是这种通过傅里叶变换实现的去噪方法存在着各种缺点，渐渐地它不再能满足对于图像去噪提出更高质量的新要求，所以基于小波变换的图像去噪的技术应运而生，这种去噪理念渐渐地取代了传统的图像去噪方法，并且在我们的生产生活中发挥着越来越重要的作用。

现如今的小波分析的发展虽然非常迅速，但是它的发展速度却开始慢慢地变慢了，关于小波的研究遇到了瓶颈，但是有专家预测如果这个瓶颈能够突破的话，那么关于小波的研究将会迎来一个快速发展的时期。

1。2  小波分析的发展史

1。3  小波分析的研究状况

1。4  小结

本章主要对所选课题的当前国内外的研究状况进行一定的介绍和分析,然后对关于小波分析近年在国内的发展状况进行简单的介绍,接着又简述了最近几年小波变换用于图像去噪的研究现状。

第二章  图像去噪方法的研究

2。1  图像中的噪声及分类

噪声的定义为：不可测的只能用概率统计方法来认识的随机误差。

图像中含有的噪声干扰对于图像重量的影响是非常重要的，如果图像中含有的噪声过多会使我们无法从图像中得到我们想要的信息。有时如果图像中含有的噪声干扰过多甚至会影响我们从视觉角度对图像的观察。

    噪声想要影响图像的质量的话，主要是可以通过改变图像信号的幅度和相位，噪声自己之间可以是相关的。图像在产生和传输的过程中可能会因为各种原因而被干扰。

按照图像中噪声的不同以及分类时的依据，噪声的分类时多种多样的。例如：

按照噪声来源分类，噪声可以分为内部噪声和外部噪声，内部噪声即（1）电子噪声。主要是由于电子器件自身的原因影响了图像的质量，在阻性器

件中，由于器件导电而产生热量产生的噪声干扰。这种噪声是均值为零的高斯白噪声。

（2）光电子噪声。由光本身的特性以及光电转换的过程中产生的噪声干扰引起的。

（3）感光片颗粒噪声。在曝光过程中由于只有部分颗粒被曝光，而其他颗粒则没有被曝光，曝光后的颗粒密度分布会影响底片的密度，但是颗粒的分布是随机的 。

    而外部噪声主要是指图像在传输的过程中可能受到干扰而产生的噪声。而对于噪声的分类，如果根据的分类依据不同，那么对于噪声的分类也是不同的，上面叙述的是根据噪声的来源进行分类的。

当我们通过噪声对图像信号产生的影响，即噪声和图像在信道中进行传输时图像幅度和噪声相关时，这样的噪声可以称作是加性噪声，而当它们相关时，这样的噪声称作乘性噪声。而在我们的图像去噪的实验仿真中所使用的噪声是高斯白噪声，主要原因是白噪声它具有方差为零的特点。