图像去噪声是图象处理在图象处理中的一个十分重要的课题，为人们广泛研究。小波分析是局部化时频分析，是分析非平稳信号的有力工具，利用小波变换进行图象去噪是十分有效的。本文研究多小波变换和矢量量化进行图象去噪方法。 本文的主要工作如下： 第一章阐述了图像去噪研究的研究现状。 第二章讨论矢量量化的基本理论，重点是具有聚类特性的自组织特征映射神经网络SOFM。 第三章阐述了小波变换、多分辩率分析等图像去噪中常用的理论，介绍了多小波尤是CL多小波。 第四章，探讨了多小波系数特性，根据其特点提出了采用结合合适的矢量量化方法进行去噪。 在实验中，采用了CL多小波与自组织特征映射神经网络SOFM两者相结合的图像去噪方法，选用了各频量丰富的图像作为初始训练集，在一定程度上避免了码本的局部最优化，并可以比较均匀的划分频率空间，以提高该码本的通用性能，同时，根据多小波系数的特点，将其一分为三各自进行并行矢量量化，解决了实际中内存不足的问题，提高了编解码的速度，也提高了编码质量。实验结果表明，从图像的视觉和客观评价来看，该算法都得到较好的去噪效果，不仅能有效地滤除图像中的噪声，而且能较好地保留图像的边缘信息。