视觉是人类获取外界信息的重要方式之一,其获取到的主要是图像信号。因此,图像是传递信息的重要媒介和手段。然而,在图像信号的采集、传输、处理和输出的各个环节经常受到噪声的干扰,引起图像质量的降低,从而丢失部分细节信息。为了不影响图像信息通信的效果,图像去噪成为图像后续处理必不可少的一个预处理步骤。根据图像的信号特征,去噪的关键在于既要减弱噪声对应的高频部分,又要增强边缘所对应的高频成分。目前,小波分析已经渗透到各学科领域,能够很好的应用于图像去噪处理。利用小波理论具有良好的低熵性、多分辨率性、选基灵活性及去相关性等特点,能够实现对不同的高频成分采取不同的处理。对小波阈值去噪方法的研究表明,其去噪效果的关键在于阈值和阈值函数的选择,为了得到适合去噪的最佳阈值,本文采用智能优化算法来搜寻最优阈值,旨在最大限度地提高寻优效率和寻优精度。本文以图像去噪技术,小波变换,粒子群和人工鱼群算法作为理论基础,结合小波阈值去噪算法找到一种有效的噪声分离方法。首先介绍了图像去噪的发展状况,研究背景意义,噪声的模型和分类,图像去噪效果的评价标准。其次介绍了小波变换的相关知识,包括小波变换的理论基础、特点和在提取图像特征上的应用,讨论了几种经典的小波阈值去噪算法,并通过对比各种去噪算法,分析了它们各自的优越性和局限性。为了得到最佳的阈值估计,本文对粒子群算法和人工鱼群算法的群体行为和参数进行了深入的研究,并通过matlab仿真实验对比分析了参数对算法优化效果的影响。最后,本文提出一种粒子群优化人工鱼群算法性能的方法,形成混合群体智能优化算法,并通过仿真实验证明,混合算法在克服了单个智能算法不足的基础上,进一步增强了算法的全局寻优能力,从而能够获得更优的解。