Poisson数据图像的去噪问题是目前图像处理领域的研究热点,在天文图像处理、医学图像恢复等领域都有着极大的应用。多分辨率分析是本文对Poisson数据图像进行处理的主要工具,之后在许多学者的努力下逐步将小波框架引入到图像处理领域中。其有别于全变差去噪模型的地方在于将正则项中的梯度算子,替换为小波分解算子,从而达到图像处理的目的。基于贝叶斯统计的相关结论,本文引入KL散度作为Poisson去噪模型中的保真项。本文将对基于解析方法的几种去噪算法进行比较分析,该方法的模型表达为(?){(?){[(Hx+b)i]-yi log(Hx+b)i}+β|Wx|1}。由此模型衍生出以下四种算法EM-framelets方法、重复加权l2方法(Reweighted l2 Method)、 KL+分裂Bregman方法以及预处理交替投影方法(Preconditioned Alternating Projection Algorithm)。本文将对四种算法的各方面特性进行比较,主要的比较方法将从计算时间、能量函数的下降速率以及PSNR值的上升速率等几方面来进行比较。本文还对PAPA方法的参数选择进行研究以及预处理条件下的参数选择对算法收敛性的影响,通过不同参数和预处理条件下对能量函数以及PSNR值的比对,最终得到带有预处理情形的PAPA方法具有更高有效性的结论。