在现实世界中,图像经常受到各种因素的干扰,所以需要对研究的图像进行降噪处理。图像降噪是图像处理中的一个重要的研究内容。论文主要提出了基于高阶统计量的图像降噪算法、基于多小波的斜坡阈值去噪算法以及基于多小波的自适应加权阈值去噪算法。基于高阶统计量的图像降噪算法依据高斯过程的高阶累积量恒为零的特性,设计了一种对角窗口空域平滑方法,并成功地提高了图像的信噪比。另外,近年来,在小波基础上发展起来的多小波图像去噪仍是一个值得关注的问题,在理论和实践上都具有重大的研究意义。论文的重点部分就是基于多小波变换的图像去噪算法。在这一部分,论文首先介绍了传统的多小波去噪方法,并且分别使用了几种常用的多小波和多小波预处理方法对处理结果进行了比较分析,然后针对处理带噪图像的结果存在明显的Gibbs效应的问题,论文对原来的算法进行了改进,提出了一种斜坡阈值函数。为了更好地应用多小波变换于图像降噪领域,论文分析了多小波系数层内、层间之间的关系,得到了一个合适的阈值权系数,并结合上面研究,得到了完整的自适应图像降噪算法。采用MATLAB对上述降噪算法进行仿真,实验结果表明,基于高阶统计量的图像降噪算法能够得到很好的主、客观图像质量。缺点是计算量大。基于多小波的斜坡阈值算法和完整的多小波自适应加权图像降噪算法,与其他算法进行比较,不仅有效地去除了噪声,还保留了图像的大部分细节信息。