基于小波变换的图像去噪是目前图像去噪方法中主要方法之一。怎样利用小波变换的去相关性、多分辨特性、小波系数的统计性质以及层间和层内系数的相关性进行去噪一直是人们关注的热点之一。　　在对目前小波理论、小波图像去噪的相关文献进行认真理解和深入研究的基础上,分析了现有方法的不足。本文的主要结构如下:首先,概括描述了小波理论及其优缺点;其次,引出小波变换在图像去噪领域的应用;再次,对目前常用的几类小波去噪方法进行了分别阐述,着重介绍了阈值去噪法和相关去噪法并分析了其长处和不足。　　图像小波系数间的相关性,不但有层内相关性,也有层间相关性。但是,传统的小波阈值去噪,阈值的选取仅仅考虑小波系数所在的尺度,而没有考虑不同尺度下图像能量的分布情况。本文介绍的小波阈值去噪算法,仔细考虑了各尺度下图像能量的分布情况和系数的层间相关性,根据不同尺度间系数的相关性和不同尺度子带所含图像能量的不同,分别为不同尺度的子带设立各自的去噪阈值。实验表明,该算法比传统算法获得了更好的去噪效果。　　另外,考虑到图像小波系数的层间相关特性,本文引入双变量模型描述小波系数层间相关性,结合小波系数层内相关性,对基于层内和层间相关性的双变量萎缩(BivaShrink)小波去噪算法进行了深入的分析研究。实验表明,该算法能很好的消除图像噪声的同时,保留图像边缘细节。