随着信息化时代的到来,人们接收的信息不再是单一的语音信号,更多的是图像信号,这是人类进行信息传播和交流的主要途径。但是图像信息在传输的过程中会受到各种噪声的干扰,噪声会使图像细节丢失、图像模糊,因此,图像去噪一直是研究热点。目前己经有大量的图像去噪算法被提出来,取得了较好的效果。然而,在去除噪声的同时保持图像更多的边缘细节特征依旧是图像去噪问题的研究关键。本文针对此问题,从保留图像的边缘细节特征出发,将频域增强和卷积神经网络两者相结合,来研究图像去噪问题。具体工作内容包括:（1）提出了一种基于NSCT域和残差网络的图像去噪算法。首先,使用NLM去噪算法对噪声图像进行预去噪,然后将此结果进行Canny边缘检测获得边缘矩阵;同时,对原噪声图像进行NSCT分解,得到其高频子带;通过边缘矩阵定位边缘像素位置,放大高频子带中对应的边缘系数,再经NSCT反变换,从而获得边缘增强的噪声图像;最后,把边缘增强的噪声图像再输入到残差网络训练,得到最终的去噪图像。实验表明本方法取得了良好的去噪效果,去噪图像能够保留更多的边缘纹理细节信息。（2）提出了一种基于NSST域和Res2Net网络的图像去噪算法。首先,对噪声图像使用均值滤波算法进行预去噪;对预处理得到的图像再进行NSST变换,得到一个低频子带图和多个高频子带;把各个高频子带和低频子带分别输入到Res2Net中进行训练学习;最后,把经过训练的各个高频子带和低频子带经NSST逆变换重构,得到最终去噪图像。实验表明本方法能够得到清晰的视觉效果和较高的指标。