随着科技的进步与发展,图像已经成为了当今信息时代人们获取信息的重要来源,但实际中的图像不可避免地会受到噪声的干扰,因此如何有效地对图像进行去噪处理一直是图像处理领域中的研究热点。本文在介绍一些常见图像去噪方法的基础上,提出了一些新的去噪算法,主要创新点如下：(1)针对影响小波阈值去噪效果的两个关键因素——阈值函数和阈值进行了研究,本文提出了新的参数可调节的阈值函数,然后提出阈值大小随小波分解尺度变化而自动调整的计算公式,实现在不同分解尺度上采用不同大小的阈值对小波系数进行处理。(2)针对传统P-M扩散模型在图像去噪时存在的不足之处,本文提出了一种改进的模型,改进后的扩散模型增设了能很好检测边缘轮廓细节的边缘阈值,较好地区分了图像边缘和噪声。(3)详细介绍了非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT)和全变差(Total Variation,TV)模型的基本原理及优点,在此基础上提出了将NSCT和偏微分方程这两类不同的图像去噪方法进行合理地相结合,即对经过NSCT分解后所得低频分量采用TV模型进行处理,对高频分量采用本文第四章提出的改进各向异性扩散模型进行处理,然后将经过处理的高低频分量进行NSCT逆变换,最终得到去噪后的图像。本文进行了大量的实验仿真,结果表明采用文本提出的算法得到的图像有更良好的视觉效果和更丰富的细节信息,并且在客观评价指标下对不同去噪算法进行分析比较,说明本文算法具有更好的保留图像的边缘及纹理信息的能力,分析得到的重要结论对于后续的图像处理工作有着重要的实践指导意义。