空间域去噪法和频率域去噪法是目前最为通用的两大类图像去噪算法[6]。当前国内外比较常用的图像去噪算法有:均值滤波法、中值滤波法、维纳滤波法、傅里叶变换法以及小波变换法等去噪算法。

1。使用均值滤波法在去除噪声的时候也会去掉图像的细节信息使得图像模糊，双边带滤波法就是针对这一缺陷提出的改进的均值滤波法。维纳滤波去噪算法是一种基于获得信号最小均方误差的图像去噪算法，而一般而言混入图像中的噪声信号多为非平稳随机信号，对于这类噪声不适合使用维纳滤波去噪算法去噪效果有限[7]。在实际去噪处理中，一般采用局部傅里叶变换来代替傅里叶变换对非平稳图像信号进行去噪处理。83816

近几年，Do。M。N和Vetterli M两人提出了一种新的图像去噪变换方法：二维图像稀疏表达方法——Contourlet变换[8]，这种新的变换方式能够很好的分解出图像的不同信号的不同特征。由于Contourlet变换能更好的区分含噪图像的细节纹理和噪声信号，因此选择合适的阈值对小波系数进行阈值化处理就能获得比小波变换更好的效果[9]。这个方法虽然可以有效的去除噪声，但会导致在消除噪声的同时丢失图像细节造成模糊。

随着小波研究的不断完善，基于小波变换的图像去噪技术也取得了较好的效果，但当噪声为非高斯噪声时的去噪效果还不是理想，也是今后发展的方向。

2。小波理论简介和发展

法国信号处理工程师J。Morlet是最早提出小波这一理论的，只是在当时没有引起人们的重视，也没有得到认可。直到1986年在一次偶然的情况下，著名数学家Y。Meyer偶然得到了一个真正的小波基函数，随后他与S。Mallet一起构建了小波基的统一构造准则——多尺度分析准则，小波变换才开始真正受到人们的重视[10]。由于小波变换拥有良好的局部时频特性，能够将信号在时间域和频率域上进行不同的分时处理，通过平移和伸缩可以将信号进行多尺度变化分析，与传统的傅里叶变换相比，这一特点解决了傅里叶变化所不能处理的一些问题。小波变换结合了应用数学、物理学、计算机科学和图像处理等多个学科的知识，在各种大型科研的研究领域拥有广泛的应用背景。论文网

随着小波变换理论的不断发展，小波变换在实际应用中拥有广泛的应用前景，比如：数学领域的大多数学科；信号图像处理；医学成像方面等等。小波变换在图像去噪与压缩领域中也拥有着重要的作用。主要应用于信号变换以提取出不同的想要提取的特征信号。小波分析是一种局部时频分析方法，其处理窗口的形状、时间和频率都是可以改变的。因此，它可以更好更有效地对信号进行分时处理，提取信号中的有用信息。