磁共振成像技术以其无创无损无污染、成像参数多以及能够观察人体内各组织解剖及能量代谢特征等独特优势被广泛应用于医学诊断和科研。然而，由于其成像机制、外部环境以及被测对象等都会给磁共振成像引入噪声，使得磁共振图像的处理和应用带来两个方面的问题：一是背景中的大量噪声会大大降低无损压缩率，不利于MR图像的传输；二是噪声的存在会大大降低磁共振图像的质量，使得一些组织的边界变得模糊，细微结构难以辨别，增加了对图像细节识别与分析的难度，因此，图像的后处理去噪对于提高图像质量非常重要。传统的低通滤波方法在降低噪声的同时会模糊图像的细节，而基于小波变换的图像去噪方法凭借其良好的时频特性能够在降低图像噪声的同时较好地保持图像的细节，因此基于小波变换的图像去噪方法已成为当前图像去噪领域的主流技术。但是现有的基于小波的去噪方法大多是针对高斯噪声的，而磁共振图像中的噪声服从Rician分布，其不同于高斯噪声的最大特点是Rician噪声是信号依赖的，而非独立同分布，因而使得从信号中分离出噪声更加困难。本文在分析现有小波去噪方法的基础上，从小波去噪的基本理论、小波提升算法以及实际磁共振图像噪声统计分布特性三个方面展开，分析研究了基于提升小波变换的磁共振图像阈值去噪算法。主要工作有以下两个方面：1．在介绍小波及其提升算法基本理论的基础上，分析了小波的消失矩特性对图像重构误差的影响，提出了利用提升算法提高双正交小波消失矩的改进算法。通过提升算法对传统小波提高消失矩后，改善了小波的性能，使小波具有更好的振荡性，能够更好地捕捉图像的细节，从而提高了重构信号的精确度。改进后的算法不仅易于理解，而且降低了计算复杂度，易于工程实现。2．在从理论上分析现有基于小波的阈值去噪方法的基础上，根据磁共振图像的特点及其噪声的分布特性，提出了一种对小波系数进行分块处理的阈值去噪方法。通过对分解后每个层次上的各高频系数矩阵分为多个子矩阵分别进行不同阈值的选取，实现在不同的对比度区域选取不同的阈值的目的，从而使阈值的选取更具有自适应性。其中阈值的选取模型是基于图像对比度、小波分解层次以及小波系数的绝对中值三个参数来确定的。仿真结果表明，本文提出的算法在低信噪比和高信噪比时均取得了良好的效果。