图像去噪是图像处理领域的研究重点,传统的去噪方法以损失图像中的细节信息为代价来滤除图像中的噪声,如何既能滤除图像中的噪声又能有效的保持图像结构细节信息一直是许多学者研究的重点。非局部平均滤波是近几年新提出的一种滤波方法。它不同于以往的传统滤波方法,它充分利用了图像中的冗余信息来滤除噪声。非局部平均算法可以更好的保留图像细节并有效的避免了传统邻域滤波方法中出现的伪影。由于这些优点被人们所广泛关注,国内外学者提出了不少对其进行改进的方法。基于广义高斯模型的非局部平均小波域去噪就是其中之一,由于在小波域中处理的图像仅为原图的四分之一,因此该方法可以在获得更好的滤波效果的前提下有效减少处理时间。但在仿真中发现,该方法在视觉效果和滤波效果方面还是不太令人满意。本文提出了一种改进的基于广义高斯模型的非局部平均小波域去噪方法,首先对含有噪声的图像进行非局部平均去噪并使用分水岭分割算法保留图像的分水岭脊线所对应的像素；然后对含有噪声的图像进行多维度小波分解,对分解的每一层子带系数估计尺度系数和形状系数,并对水平、垂直和斜线系数进行相似性判断,使用基于广义高斯分布模型的非局部平均滤波；最后使用经过非局部平均滤波的图像中与分水岭脊线相对应的像素点替换小波重构后图像的对应像素点。仿真结果表明该方法与基于广义高斯模型的非局部平均的小波域去噪法相比能获得更好的视觉效果和去噪效果,有效的保留了图像细节信息。