近年来，数字图像处理技术发展迅速，拥有着广泛的应用领域。图像在获取（数字化过程）、传输等过程中难免会产生噪声，使以后的图像处理工作受到影响，如何从含噪信号中将有用的信息提取出来成为广泛研究的话题，这就是图像去噪。传统去噪方法有很多，大多都是在空域采用线性或是求平均的方法，但效果都不是很理想，低通滤波使得细节部分模糊，有用的高频信息丢失。如何既能有效的减少噪声，又能更好的保留边缘信息成为去噪领域的一大难题。本文针对传统去噪方法的不足，学习了小波变换阈值去噪，对去噪过程中的几个关键问题进行了详细的讨论，例如去噪流程，如何选取阈值，软、硬阈值去噪法的原理和特点，对比了各自的优缺点，在Donoho提出的小波收缩阈值基础上，对常规的软、硬阈值函数在图像去噪中存在的缺陷进行分析，针对传统软硬阈值去噪的弊端，采用了一种比较新颖的阈值选取方法进行去噪，在软阈值去噪原理上进行改进，在阈值前加一个系数公式，通过调节m，n的值得到新的阈值函数，改进后函数不仅连续性好，失真也小，获得了良好的效果。采用Matlab7.0进行仿真实验，以加性高斯白噪声假设为前提，对同一图像分别进行传统去噪、软硬阈值去噪和改进阈值去噪，并进行比对，对结果中的数据进行分析，实验证明，与其他方法相比，改进方案的信噪比，峰值信噪比都有了明显的提高，获得了更好的去噪效果，不仅保留了常规软、硬阈值函数的去噪优越性，还克服了软、硬阈值函数存在的去噪缺陷，去噪的同时，能更好的保留图像的细节信息，清晰度也有了明显的提升，由此证明改进方案的有效性、可行性和优越性。