图像信息是人们由客观世界获得信息的主要来源,但是,现实图像在生成、编码甚至重现的过程中,不可避免会受到影响,成为带噪图像。如何对得到的图像进行去噪以改进这些图像的质量,成为图像处理中的一个重要任务。近年来,多尺度几何分析的基本思想在数学分析、计算机视觉、模式识别以及统计分析等许多领域各自独立地发展出一系列新的理论,在图像处理中,多尺度几何分析(MGA)的目标是对高维空间的数据进行有效的检测、表示和处理,这些数据的重要特征又集中体现于其低维子集中。本文主要研究了基于多尺度空间的局部方向去噪方法。在多尺度空间内,根据不同子带内变换系数的方向特性,使用相应方向的不同大小的矩形窗口作为局部邻域,结合维纳滤波方法从而对图像进行去噪,无论从视觉上还是数据上,都得到了比较好的去噪结果,并且该方法简单有效,计算复杂度低,是一种有效的图像去噪方法。本文的主要工作如下:1、将小波变换与维纳滤波相结合,并提出局部方向去噪的概念。在小波域内,根据小波变换的特点,在三个子带图像内分别选取不同方向的矩形窗口作为局部邻域,通过最大似然方法或最大后验概率方法估计方差,然后结合维纳滤波对图像进行去噪。实验结果表明,该算法不仅计算复杂度低,易于实现,而且在去噪的同时能够保护好原图像的细节信息,得到较高的峰值信噪比。2、由于小波变换的方向性信息有限,我们又研究了基于双树复小波变换的局部方向去噪方法。3、由于小波变换的缺陷,近年来,多尺度几何分析理论被提出并迅速发展,它们在图像处理方面的应用较传统方法已经表现出很大的优越性,其中的Contourlet变换已经成为研究的热点。本文研究了Contourlet变换域的图像去噪方法。本文主要包括六个部分。第一部分首先阐述了课题的研究背景及意义;第二部分介绍了小波变换的发展及阈值去噪,并作了仿真实验;第三部分介绍了基于小波变换的矩形窗口去噪方法;第四部分介绍了基于双树复小波的局部方向去噪方法及实验结果;第五部分介绍了Contourlet变换的基本原理,由于Contourlet变换能准确地将图像中的边缘捕获到不同尺度、不同频率的子带内,因此能很好的应用于图像去噪中,该部分主要研究了在contourlet域的局部邻域去噪方法;第六部分提出了研究展望及后续研究的主要内容。