声呐系统已经广泛应用在各种水下设备中,在军事船舶中更是发挥着重要的作用,是其获取目标信息的主要手段。声呐图像是目标回波的可视化信息,由于海洋环境的复杂性,海洋中充斥的各种噪声污染声呐图像,给后续的分析工作带来困难,所以有效的去除噪声便成了准确获取信息的必要工作。声呐图像与传统光学图像的成像机制,成像环境不同,不能直接利用后者方法。以往的声呐图像去噪研究中噪声多是以加性的高斯白噪声为主,而声呐图像中以乘性的斑点噪声为主,前者的方法并不能取得好的去噪效果。目前应用最为广泛的方法是小波变换,本文围绕声呐图像中的乘性噪声这一出发点,在小波变换的基础上进行讨论和研究。小波变换是目前有效去除声呐图像噪声的方法之一,通过多分辨率理论,利用Mallat塔式算法实现了噪声与信号的分离,利用两者趋向性的不同,对不同的小波系数进行不同的处理,致使表示噪声的小波系数减小,通过小波重构,从而降低图像的噪声。小波变换之所以应用广泛是因为我们可以根据其性质构造多种不同的小波。本文利用Walsh矩阵、斜矩阵与Haar小波的密切关系,将其应用在声呐图像去噪中,以求达到去除噪声的目的。Walsh矩阵是由+1和-1组成的快速变换矩阵,现已普遍用于图像编码。斜矩阵与Walsh矩阵关系密切,通过Walsh矩阵,可以构造相应序的斜矩阵。首先文中将多维的Walsh矩、斜矩阵能够看作是一种多进制小波滤波器的系数矩阵,而不同序的Walsh矩阵、斜矩阵可以看作将不同的小波滤波器放在不同的位置,原始图像经过分解之后,不同未知的子图像的清晰程度不同,其包含噪声的程度也不同。首先,利用Matlab软件对声呐图像中的斑点噪声进行模拟,利用乘性噪声关系仿真带噪声呐图像；其次在多进制小波变换的基础上,乘性的斑点噪声视为图像的一部分,根据分解后不同位置子图像小波系数的方差,将带噪图像子图像分为多个不同的等级,对不同等级的子图像施加不同的参数,使其小波系数减小,通过多进制小波重构达到一定程度上减小斑点噪声的目的。利用Walsh矩阵相关的四进制小波,分别采用两组不同的抑制因子,经过计算,均能取得较好的去噪效果；利用斜矩阵相关的四进制小波,采用两组不同的抑制因子,其去噪效果也较为理想,其以上两种方法去噪效果均优于二进制Haar小波去噪。通过分别比较上述两种小波在相同抑制因子下的去噪结果,由于Walsh矩阵相关的四进制小波子图像等级较多,去噪效果更好,综合对比,本文方法与二进制的Haar小波硬阈值、软阈值相比,在同等分解层数的条件下,本文提出的方法去噪效果更好,验证了方法的有效性。