图像是获取信息的重要来源,图像的质量直接影响到有效信息的获取。然而,由于设备、环境等外在因素的影响,图像在获取、传输等环节上往往存在着噪声污染。这些都极大的影响了人们从图像中提取有用信息,因此在分析和利用图像之前消除噪声具有非常重要的意义。小波分析理论因其具有良好的时频分析能力,在图像降噪领域得到了广泛应用。本文首先介绍了小波变换的基本理论,研究了几种经典的小波阂值的降噪方法,并采用不同的小波函数基和不同的阈值函数对Bayeshrink阈值方法进行了仿真分析。在此基础上,提出了一种基于上下文模型的傅里叶-小波图像降噪方法。该方法先在傅里叶域中对图像的平稳部分保守的进行去噪,然后再在小波域中滤除剩余的噪声：使用平稳小波变换来分解图像信号得到分解后的一系列小波系数。考虑到小波系数之间的相关性,利用上下文模型获得小波系数的方差。将其代入由GGD模型估计出的阈值表达式得到自适应的阈值,用软阂值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪。仿真结果表明：该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象。本文最后介绍了OCT系统的成像原理,并分析了其噪声特点及来源,最后采用基于小波变换的方法对一幅OCT图像进行了降噪处理。仿真结果表明,该方法能提高OCT图像的质量,为临床诊断提供有力的支持。